Volver a historias

Comienzo espectacular: el equipo Phar Lap innova para triunfar en el Explorer Challenge

23 de julio de 2019 Competiciones 2
El equipo Phar Lap representa un sector diverso y representativo de disciplinas relevantes para el Desafío de exploración de minerales de OZEl equipo está formado por un matemático (HK), un físico (DE), un geólogo y ecologista formado en Alemania (DE), un piloto (AUS) y un geólogo formado en Estados Unidos (HK). Su experiencia combinada en geociencias y ciencia de datos les ha valido el premio Data Hound de 25,000 dólares australianos.

Sobre el desafío

Unearthed anunció los ganadores del Explorer Challenge el 28 de junio de 2019, luego de tres meses intensivos (y sin duda muchas tazas de café) mientras los equipos competían por una parte de un pozo de premios de 1 millón de dólares australianos para desarrollar nuevas ideas sobre la exploración minera.

En una decisión audaz, la empresa minera Minerales OZ Entregó más de dos terabytes de datos privados de su propio proyecto de exploración, además de más de tres terabytes de datos públicos, con el fin de realizar predicciones colectivas sobre el próximo yacimiento mineral en el sur de Australia. Equipos compuestos por geólogos, geocientíficos y científicos de datos aceptaron el desafío y encontraron nuevas formas de revisar y optimizar el proceso de exploración mineral.

Equipo Phar Lap: premio Data Hound

Equipo Phar Lap
  • Matías Helbig
  • Dr. René Kahnt
  • Rohan Lloyd
  • Dr. Holger Eichstaedt
  • Ruky Siu
  • Bill Marr

Los miembros del equipo Phar Lap actualmente están activos en varias empresas y su experiencia abarca países como Alemania, China y Perú. El Dr. Eichstaedt y Bill Marr trabajan en la Grupo Dimap, que está activo en todo el mundo y es el único proveedor comercial de estudios multisensoriales complejos basados ​​en hiperespectrales.

El Dr. René Kahnt es un físico teórico que trabaja en una empresa independiente de consultoría y planificación. Geometría en Alemania y ha sido responsable del departamento de modelado y análisis de riesgos desde 2006. Mathias Helbig, también de GEOS, tiene experiencia en ingeniería de proyectos y es responsable del modelado y la evaluación de riesgos.

ImagenAire El fundador Rohan Lloyd ha estado involucrado en la industria de trabajos aéreos durante más de 20 años, con experiencia en el suministro de datos con tecnología de infrarrojo cercano (NIR) e infrarrojo térmico (TIR). Rohan se centra en la ortofotografía, el LIDAR y el modelado digital del terreno.

Su enfoque

El equipo decidió adoptar un enfoque mixto entre la interpretación geológica y el procesamiento de datos, con un fuerte enfoque en el aprendizaje controlado. Además, decidieron recopilar datos de expresión de superficie hiperespectral de alta resolución, que se utilizaron para una reinterpretación de las estructuras geológicas y el proceso de aprendizaje automático. Como primer paso en la interpretación de la estructura geológica, utilizaron detalles basados ​​en datos SARIG y datos de perforación, así como los nuevos mapas minerales de los datos hiperespectrales.

Durante el “nivel 1 de aprendizaje automático”, utilizaron datos de geofísica y geoquímica enriquecidos con datos satelitales para producir un mapa de probabilidades de mineralización regional, cotejado con algunos depósitos conocidos. El “nivel 2 de aprendizaje automático” generó información basada en la expresión de la superficie encontrada en las firmas espectrales de los datos aéreos y la geoquímica. A estos datos se les dio una segunda interpretación de la escena y se aprendieron nuevamente a partir de los resultados duros de las perforaciones. El “nivel 3 de aprendizaje automático” ayudó a crear mapas de objetivos locales, de los cuales se eligieron 12 áreas objetivo preferidas.

"El resultado se basó en una combinación de los resultados de aprendizaje basados ​​en la geofísica y los resultados de aprendizaje de la superficie y proporcionó una fusión entre las expresiones de superficie geofísicas, geoquímicas e hiperespectrales. Los objetivos se definieron en índices de probabilidad normalizados a unidades de área", explicó el Dr. Holger Eichstaedt.

Implicaciones

El premio Data Hound ha dado credibilidad al enfoque adoptado por el equipo Phar Lap. La combinación de datos de geofísica y expresión de superficies mediante modelos complejos de aprendizaje automático por primera vez como prueba de concepto permitirá al equipo ponerse en contacto con su red de clientes existente para continuar con el debate y la investigación.

“Si bien la mayoría de nuestros clientes luchan por cerrar la brecha entre estos dos mundos, el Explorer Challenge nos dio la oportunidad de desarrollar y verificar métodos con datos valiosos de ambos mundos”, dijo el Dr. Eichstaedt.

¿Qué es lo siguiente?

Tenemos previsto seguir trabajando en el desarrollo de una solución comercializable. Hemos iniciado conversaciones con varios clientes y organismos gubernamentales de Australia y del extranjero.

Explora lo último en destacados e historias

Colaboradores Enero 10, 2025

Cinco tendencias de innovación minera a tener en cuenta en 2025 (¡sin uso de GPT!)

Por Jake Harris Las tecnologías y los conceptos futuros para la ejecución de proyectos mineros se están acelerando rápidamente a medida que avanzamos

leer el artículo
Competiciones Marzo 6, 2024

Presentamos la cohorte de minerales esenciales

Presentamos la cohorte de Minerales Esenciales con Think & Act Differently impulsado por BHP. Estamos orgullosos de compartir que lo último

leer el artículo
Competiciones 9 de noviembre.

Momentos ReIMARCable: Descubriendo el Panel de los Juegos de Innovación Global 2023

Por Alexandra Dumas Dando forma al futuro de la minería australiana con innovación global En Unearthed, siempre tenemos nuestros equipos tecnológicos

leer el artículo
Competiciones 25 de octubre, 2023

Más allá de las fronteras: Tech Globetrotters con destino a IMARC 2023

Por Alexandra Dumas El Global Innovation Games Challenge, celebrado en colaboración con Unearthed y International Mining and

leer el artículo