El viaje de tres meses hacia el descubrimiento basado en datos en el Desafío explorador concluyó el viernes 31 de mayo de 2019, con más de mil participantes globales de sesenta y dos países que analizaron más de seis terabytes de datos de exploración públicos y privados del yacimiento Mount Woods de OZ Minerals en el norte de Australia del Sur.
Además de un pozo de premios de 1 millón de dólares australianos, los modelos ganadores del Explorer Challenge se probarán en la vida real y está previsto perforar los principales objetivos a fines de 2019 con la perspectiva de descubrir el próximo gran depósito mineral australiano.
Cada vez es más difícil encontrar depósitos minerales de valor económico. Los exploradores buscan nuevos enfoques para resolver este problema y desarrollan procesos y formas de trabajo innovadores que puedan aumentar la tasa de descubrimiento y, de ese modo, acelerar el ciclo de vida de la exploración, lo que se traducirá en un futuro más sostenible y eficiente para la exploración minera.
Empresa minera moderna Minerales OZ se asoció con la plataforma de innovación abierta de energía y recursos Unearthed para ofrecer esta competencia única de colaboración colectiva en línea, que implicó que el desafío y los datos correspondientes se pusieran a disposición digitalmente de geólogos, geocientíficos y científicos de datos de todo el mundo, quienes luego compitieron para ofrecer la mejor solución.
Felicitaciones a los ganadores del Desafío Explorador:
1er premio (A$500,000): Gurú del equipo - Michael Rodda, Jesse Ober y Glen Willis.
Antecedentes: Michael fue el científico de datos del equipo, Jesse tiene experiencia en ciencias ambientales y SIG, y Glen tiene experiencia en ingeniería de procesos en el campo del petróleo y el gas y tiene un gran interés en la ciencia de datos.
Enfoque: Modelos de aprendizaje automático interpretables para la exploración mineral utilizando geoquímica, geofísica y geología de superficie.
"Ganar el primer premio le da a nuestro equipo la confianza en nuestras habilidades en ciencia de datos y consolida nuestra pasión por revolucionar la exploración minera. Definitivamente planeamos seguir trabajando en este problema; apenas hemos arañado la superficie del valor que podríamos obtener potencialmente de los datos".
2do premio (A$200,000): visión profunda x - Dong Gong, Javen Qinfeng Shi, Zifeng Wu, Hao Zhang, Ehsan Abbasnejad, Lingqiao Liu, Anton van den Hengel, Karl Hornlund y John Alexander Anderson.
Antecedentes: El equipo de DeepSightX aprovechó las habilidades multidisciplinarias en la intersección de la inteligencia artificial y la geociencia. Los investigadores de la Instituto Australiano de Aprendizaje Automático (AIML) y el Instituto de Recursos Minerales y Energéticos (IMER) - ambos organizados por el Universidad de Adelaide – colaboró con expertos de la industria en exploración de minerales (Austrike Resources) y modelado geocientífico (Geociencias de Gondwana).
Enfoque: DeepSightX utilizó un enfoque multidisciplinario para generar un modelo de IA, DeepSight, que proporciona objetivos de exploración prometedores en la región Prominent Hill (PHR) respaldados por las mejores prácticas geocientíficas.
El siguiente paso es buscar apoyo en todos los niveles de la universidad, desarrollar capacidades y comenzar el proceso de comercialización. Tenemos algunas ideas. Consideraremos todas las opciones y desarrollaremos un plan estratégico integral para el futuro. La competencia es un preludio para DeepSightX y esperamos con ansias el emocionante viaje que nos espera.
Tercer premio (3 dólares australianos): Cienciedad - Hugh Sanderson, Derek Carter y Chris Green.
Antecedentes: Cyency tiene una sólida formación en geociencia y ciencia de datos. Hugh ha estado practicando el aprendizaje profundo durante varios años, Derek ha estado involucrado en el aspecto técnico y de software de la minería durante más de 10 años, y Chris es un geólogo experimentado que siempre está buscando formas innovadoras de hacer las cosas.
Enfoque: "Con tantos datos, era difícil saber por dónde empezar, así que empezamos con lo que sabíamos: los resultados del Flujo de Ciencia de Datos"Teníamos un conjunto de modelos que sabíamos que eran bastante buenos para predecir la mineralización en toda Australia, así que los aplicamos en el yacimiento... aplicamos varias técnicas de ciencia de datos para estimar un conjunto de puntos candidatos y luego seleccionamos los 10 mejores".
El dinero del premio se destinará directamente al desarrollo de un negocio en el ámbito de la minería, la geología, la inteligencia artificial y el aprendizaje automático. Hay muchos problemas interesantes y la tecnología ha abierto un campo nuevo, y Australia parece estar bien situada para aprovecharlo".
Premio al equipo estudiantil (A$50,000): descodifica - Christopher Leslie, Matthew Cracknell, Angela Escolme, Shawn Hood y Ayesha Ahmed.
Antecedentes: deCODES es un equipo de investigadores en el inicio de su carrera Codigos, Universidad de Tasmania, incluidos tres estudiantes de doctorado y dos investigadores posdoctorales que obtuvieron su doctorado en CODES. El equipo representa un conjunto variado de habilidades, que abarcan geología económica y exploración minera, geofísica, ciencia de datos, geoquímica y geometalurgia.
Enfoque: Nuestro enfoque se basó en la consideración de un modelo metalogénico de óxido de hierro, cobre y oro (IOCG) y luego en el esfuerzo por producir indicadores digitales para todos los aspectos de ese modelo. Nuestras capas de prospectividad se crearon utilizando una combinación de métodos de manejo de datos manuales y tradicionales, así como enfoques básicos de aprendizaje automático.
Tenemos muchas ganas de abordar problemas de exploración como este a tiempo completo. Esperamos perfeccionar y aplicar los componentes del flujo de trabajo que hemos desarrollado como parte del Desafío Explorer en nuestros respectivos esfuerzos de exploración de recursos.
Premio Genius (A$25,000): Equipo OreFox - Warwick Anderson, Sheree Burdinat, Kudzai Dube, Amy Leask, Alan Ryou Pearse, Ashleigh Smyth y Nick Josephs.
Antecedentes: OreFox es una creación de dos geólogos de exploración, Warwick Anderson y Sheree Burdinat, quienes formaron un equipo de expertos con experiencia en geofísica, ciencia de datos, estadística, geología y prospección para afrontar el desafío Explorer.
Enfoque: OreFox utilizó sus sistemas de inteligencia artificial patentados para analizar los datos suministrados por OZ Minerals, así como los datos de fuente abierta obtenidos a través de Geoscience Australia y la Base de datos SARIGRecopilaron datos de geoquímica, gravedad, magnetismo y radiometría, y luego permitieron que sus sistemas Prospector AI y Hunter AI evaluaran las regiones más prospectivas dentro de las áreas de explotación de OZ Minerals. También utilizaron nuestra Target AI para eliminar aún más los objetivos potenciales y refinar sus sugerencias.
"Ganar este premio demuestra que los métodos innovadores, aunque intimidantes y desconocidos, pueden producir resultados increíbles. OreFox es la comercialización de la investigación realizada por nuestra empresa de METS, Quantum Geology. Con cuatro clientes que pagan ahora a bordo, estamos recién comenzando nuestra revolución minera. Los planes futuros son expandirnos a Australia Occidental y luego llevar la empresa a nivel mundial".
Premio Insights (A$25,000): Soluciones de datos Avant - Zhen Wang, Andrew Vinciguerra y Christiaan.
Antecedentes: El equipo multidisciplinario de Avant está formado por Andrew y Zhen en ciencia de datos y programación y Christiaan en experiencia en el dominio geológico.
Enfoque: El equipo adoptó un enfoque basado en gran medida en datos, con verificación e interpretación mediante la geología. El desafío se abordó analizando y explorando primero los datos en detalle y encontrando qué datos podrían pasarse por alto. Los datos espaciales geofísicos y la geoquímica de la región y los pozos de perforación se consideraron en detalle en sus métodos.
"Ganar el premio Insights es una gran validación de nuestro enfoque y nos permitirá seguir desarrollando nuestra solución para uso comercial. Planeamos seguir desarrollando nuestra solución única e invertir en investigación y desarrollo adicionales, además de ofrecer nuestra experiencia en ciencia de datos y aprendizaje automático a las empresas mineras".
Premio Data Hound (A$25,000): Equipo Phar Lap - Matthias Helbig, Dr. René Kahnt, Rohan Lloyd, Dr. Holger Eichstaedt, Ruky Siu y Bill Marr.
Antecedentes: El equipo Phar Lap está formado por un matemático, un físico, un geólogo y ecologista formado en Alemania, un piloto y un geólogo formado en Estados Unidos, y ofrece una red de geociencias y ciencia de datos.
Enfoque: El consorcio decidió adoptar un enfoque mixto entre interpretación geológica y 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.
“Ganar el premio Data Hound significa mucho para el equipo Phar Lap, ya que es la primera vez que se combinan datos de geofísica y expresión de superficies mediante modelos complejos de aprendizaje automático. Si bien la mayoría de nuestros clientes tienen dificultades para cerrar la brecha entre estos dos mundos, el Explorer Challenge nos dio la oportunidad de desarrollar y verificar métodos con datos enriquecidos de ambos mundos. Ganar este premio da credibilidad a nuestros métodos y proporciona una prueba de concepto para la industria de exploración minera”.
Premio Fusion (A$25,000): Consultoría SRK - Mark Rieuwers, Ben Jupp, Bert De Waele, Antoine Caté, Ali Shaban, Ron Uken, Erwann Lebrun y Michael Cunningham.
Antecedentes: El equipo de SRK está formado por geólogos estructurales calificados en las oficinas de SRK Consulting en Perth, Melbourne, Toronto y Vancouver; uno de ellos (Dr. Antoine Caté, SRK Toronto) se ha expandido al desarrollo de aplicaciones de aprendizaje automático para el sector de exploración minera como posdoctorado en la Universidad de Québec.
Enfoque: Su enfoque incluyó la reinterpretación y/o valor agregado de los conjuntos de datos proporcionados y disponibles, seguido de un enfoque de selección integrado y de múltiples frentes que aplica aprendizaje automático basado en datos (basado en un algoritmo de bosque aleatorio equilibrado) y ponderaciones de evidencia para guiar un conjunto de soluciones de inferencia difusa basadas en sistemas minerales basados en conocimiento. Esto dio como resultado tres objetivos IOCG de alto rango y siete objetivos secundarios.
Ganar el premio Fusion es la validación de un gran esfuerzo colaborativo del equipo global de SRK que creemos que se basó en una geociencia sólida, combinada con aprendizaje automático de vanguardia y técnicas de ciencia de datos más tradicionales. Ya hemos recibido consultas de clientes interesados y presentaremos parte de nuestro trabajo del Explorer Challenge en la Conferencia de Geociencia de Exploración de Australasia (AEGC 2019) en Perth este septiembre.
Las propuestas presentadas al Explorer Challenge mostraron una sorprendente variedad de enfoques analíticos y geológicos. Desde el aprendizaje automático de vanguardia hasta el modelado físico avanzado, las propuestas representaron miles de horas de trabajo para desarrollar y aplicar técnicas sólidas aplicables al problema de la generación de objetivos. La reunión de científicos de datos y geólogos para este desafío ha dado como resultado formas novedosas de aplicar técnicas modernas de ciencia de datos, como el aprendizaje automático, a problemas geológicos de una manera significativa y explicable.
Andrew Cole, director ejecutivo de OZ Minerals, dijo que a pesar de haber explorado extensamente alrededor de Prominent Hill durante la última década, todavía no habían encontrado un depósito.
"Necesitábamos encontrar nuevos conocimientos y formas de trabajar de forma más inteligente con nuestros datos. Los innovadores que participaron en el Explorer Challenge han proporcionado enfoques para la exploración minera que nunca hubiéramos imaginado internamente, incluidas formas de fusionar conjuntos de datos, combinar múltiples capas de información y hacer predicciones basadas en los amplios conjuntos de datos", afirmó.
“Revisar la amplia gama de soluciones que han surgido de este proceso ha sido verdaderamente notable”.
Holly Bridgwater, directora de crowdsourcing de Unearthed Industry, trabajó durante una década como geóloga en exploración y definición de recursos. Cree que el crowdsourcing transformará el largo e intensivo proceso de exploración.
“Estamos muy entusiasmados por la increíble gama de soluciones presentadas por estos pioneros que pueden generar objetivos de exploración de alta calidad de manera eficiente”, afirmó Bridgwater.
Muchos profesionales de la industria y compañías mineras están empezando a darse cuenta de que su verdadera ventaja competitiva en exploración es la velocidad, no necesariamente los datos o la propiedad intelectual tecnológica. Creo que la capacidad que te da la multitud para generar nuevas ideas, desarrollar soluciones y automatizar procesos es algo que puede marcar una gran diferencia y brindar esa ventaja competitiva”, afirmó.
De esta manera, la colaboración abierta con datos ofrece una oportunidad única de combinar cientos de modelos y objetivos de expertos independientes en un único modelo de exploración, lo que aumenta la confianza en los objetivos generados. Este modelo nunca visto hasta ahora para combinar diversas ideas en un consenso podría aumentar significativamente las tasas de descubrimiento.
. . .
Agradecimiento a los socios de la competencia Explorer Challenge: Gobierno de Australia del Sur, Departamento de Energía y Minería para acceder a su plataforma de datos de archivos abiertos SARIG (South Australian Resource Information Gateway) que sirvió como un recurso importante disponible para los contendientes, Esri Australia por proporcionar licencias complementarias para su software de mapeo SIG líder – ArcGIS – apoyar a los participantes en sus exploraciones por toda Australia, y Amazon Web Services por su almacenamiento de datos y soporte computacional complementarios.
Felicitaciones a todos los pioneros de la próxima generación que participaron en el Explorer Challenge. Fue un esfuerzo fenomenal de todos los equipos en lo que fue un desafío muy difícil. Unearthed espera traer otro desafío de exploración al público pronto. Mira este espacio para conocer los perfiles completos de los equipos ganadores del Explorer Challenge y actualizaciones sobre los resultados del programa de perforación de OZ Minerals de los principales objetivos.