• Lun. Abr 29th, 2024

Desarrollan software con inteligencia artificial para apoyar exploración minera

Desarrollan software con inteligencia artificial para apoyar exploración minera

El Laboratorio Avanzado de Geoestadística y Supercómputo del Advanced Mining Technology Center (AMTC) y el Departamento de Ingeniería de Minas de la Universidad de Chile actualmente se encuentran desarrollando un software, el cual apunta a entregar herramientas de análisis de variabilidad espacial mediante machine learning para apoyar la exploración minera

“AIGLEX” es el nombre del nuevo software, proyecto que ha sido posible gracias al conocimiento desarrollado en proyectos de investigación y desarrollo apoyados por grandes empresas mineras como Barrick Gold y Codelco; y, en la etapa actual gracias al 18vo Concurso I+D para innovar de la Fundación Copec-UC, quienes han apoyado cerca de 113 proyectos en sus 20 años. El Laboratorio postuló y fue adjudicado, lo que es un gran mérito dado que se envían cientos de propuestas y son seleccionadas solo dos o tres por año.

“En los últimos años los descubrimientos geológicos han sido cada vez más en profundidad, han ocurrido principalmente en la alta cordillera. Entonces, las trazas de información que uno ve en superficie son cada vez más complejas y escasas, al punto que es muy difícil hoy encontrar nuevos yacimientos. Es por esto que se requieren nuevas y mejores herramientas. Además, hay que tomar en cuenta los costos de exploración: un sondaje puede tener un costo de hasta 500 dólares por metro, por lo que si optimizamos el proceso de exploración para que ocurra sólo en zonas de alto potencial, una campaña de exploración puede ahorrarse millones de dólares”, explicó el investigador Felipe Navarro, director del proyecto.

El objetivo de AIGLEX es ser una herramienta que permita integrar toda la información y variedad de datos que se generan en una campaña de exploración (por ejemplo, información de satélites, tomografías sísmicas, sondajes y geoquímica).

“Nuestra solución está formada por cuatro componentes: un preprocesamiento de los datos recopilados; trabajo con machine learning, fusión sensorial y geoestadística para generar nuevas capas de información; un análisis de variabilidad, con histogramas y gradientes y finalmente la generación de un mapa de probabilidades de targets de exploración, que ayuda al hallazgo de yacimientos. Este conjunto de herramientas está siendo empaquetada en un plug-in para el software ArcGIS, que es un estándar en la industria”, comentó el especialista.