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 artículoUn equipo impresionantemente diverso de investigadores de la Instituto Australiano de Aprendizaje Automático (AIML) y el Instituto de Recursos Minerales y Energéticos (IMER), ambos organizados por la Universidad de Adelaide – colaboró con expertos de la industria en exploración de minerales (Austrike Resources) y modelado geocientífico (Geociencias de Gondwana) para abordar la Desafío de exploración de minerales de OZEl equipo de nueve miembros desarrolló un modelo de inteligencia artificial (IA), DeepSight, en respuesta al desafío, asegurando el segundo lugar y 200,000 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.
DeepSightX: 2º premio
- Javen Qinfeng Shi
- Hao Zhang
- John Alexander Anderson
- Karl Hornlund
- Dong Gong
- Ehsan Abbasnejad
- Zifeng Wu
- Liu Lingqiao
- Mateo Zengerer
- cristobal matthews
- Anton van den Hengel
Este equipo con sede en Adelaida reunió diversas habilidades y trabajó en la intersección de la IA y la geociencia para desarrollar un plan de exploración de perforación que aprovecharía la abrumadora cantidad de datos disponibles y, al mismo tiempo, sería justificable desde una perspectiva geocientífica.
Su enfoque
DeepSightX integró los conceptos más recientes de modelado de sistemas minerales con los últimos avances en aprendizaje profundo y visión artificial. Su trabajo ha proporcionado objetivos de exploración prometedores en la región de Prominent Hill, respaldados por las mejores prácticas geocientíficas.
Javen Qinfeng Shi, líder del equipo de AIML, dice que trabajar en el desafío ha reforzado el poder transformador del aprendizaje automático.
En tres meses, el equipo de DeepSightX ha desarrollado una capacidad de modelado predictivo de clase mundial, que ilustra el potencial disruptivo del aprendizaje automático cuando se combina con el conocimiento experto del dominio”.
Explica que el equipo comenzó con un análisis profundo de los datos disponibles. “Nuestros ingenieros desarrollaron una variedad de herramientas de visualización interactivas para facilitar la capacidad de nuestros expertos en el área de explorar los datos. Al mismo tiempo, nuestros expertos en modelado geocientífico produjeron modelos de última generación de intensidad magnética total (TMI), gravedad y datos magnetotelúricos (MT) para la región de Mt Woods”.
A partir de allí, utilizaron dos corrientes de modelado predictivo: una basada en la exploración de sistemas minerales y la geociencia (denominada MSGeo), que aprovechó la geoquímica pionera, el análisis estructural y los datos MT remodelados; y un modelo digital (denominado DSDig) que utiliza las últimas técnicas en aprendizaje profundo y visión artificial para gestionar “datos ruidosos, incompletos y altamente dimensionales”.
“Los flujos MSGeo y DSDig se desarrollaron en paralelo utilizando un enfoque iterativo, utilizando la retroalimentación entre los flujos para converger en nuestro conjunto final de recomendaciones”, explica Javen. “De los 11 objetivos de perforación propuestos, dos eran objetivos MSGeo destacados; cinco estaban respaldados tanto por el modelo MSGeo como por el DSDig; y cuatro eran nuevos objetivos DSDig permitidos según el modelo MSGeo”.
Implicaciones
El equipo celebra su victoria como un logro para toda su región. “Demuestra que Australia del Sur tiene un talento local excepcional”, afirma Javen. El premio, dicen, también reconoce a DeepSightX “como un equipo de inteligencia artificial de exploración de minerales nuevo y competitivo que aplica un enfoque multidisciplinario con la experiencia en el dominio necesaria para adaptar el modelado de objetivos a cada nuevo entorno geológico y de materias primas a medida que surgen”.
¿Qué es lo siguiente?
El equipo planea comenzar a comercializar su solución.
“El siguiente paso es buscar el apoyo de todos los niveles de la universidad, desarrollar la capacidad y comenzar el proceso de comercialización”, explica Javen. “Estudiaremos todas las opciones y desarrollaremos un plan estratégico integral para el futuro”.
Los conjuntos de datos proporcionados por OZ Minerals para la competencia le permitieron al equipo una oportunidad sin precedentes de probar conceptos de vanguardia, y ahora están ansiosos por continuar.
Javen afirma que el proyecto tiene mucho más que ofrecer y que las limitaciones de la competencia (incluido el plazo) limitaron los resultados de DeepSightX justo cuando estaban alcanzando su máximo potencial. “Nos gustaría dedicar más tiempo a algunas de las ideas y enfoques que estábamos desarrollando, en particular en términos de fusionar las capacidades del dominio de la inteligencia artificial y las geociencias”.
“Podemos ver al menos otros cinco objetivos mixtos DSDig y MSGeo con potencial para más. También recomendamos más estudios de exploración para agregar nuevos datos clave bajo conceptos de vanguardia. La competencia es un preludio para DeepSightX y esperamos con ansias el emocionante viaje que nos espera”.
