La gran búsqueda tecnológica para encontrar los metales necesarios para la revisión energética

Parte de la razón por la que la compañía ha centrado sus esfuerzos iniciales en Canadá es que la nación tiene grandes cantidades de datos de levantamientos en el dominio público, incluidos informes de campo narrativos, mapas geológicos gastados por el tiempo, datos geoquímicos sobre muestras de perforaciones, datos de levantamientos magnéticos y electromagnéticos en el aire. , lecturas LIDAR e imágenes de satélite que abarcan muchas décadas de exploración.

“Tenemos un sistema en el que podemos ingerir todos estos datos y almacenarlos en formatos estándar, controlar la calidad de todos los datos, hacer que se puedan buscar y poder acceder a ellos mediante programación”, dice Goldman.

Impulso de la alta tecnología

Una vez que ha compilado toda la información disponible para un sitio, el equipo de KoBold explora los datos utilizando el aprendizaje automático. La empresa podría, por ejemplo, construir un modelo para predecir qué partes de los depósitos de mineral tienen las concentraciones más altas de cobalto, o crear un nuevo mapa geológico de una región que muestre todos los diferentes tipos de rocas y estructuras de fallas. Puede agregar nuevos datos a estos modelos a medida que se recopilan, lo que permite a KoBold cambiar de forma adaptativa su estrategia de exploración “casi en tiempo real”, dice Goldman.

Canadá pone a disposición del público conjuntos de datos y otra información, como esta imagen generada por LIDAR de Saskatchewan.

GOBIERNO DE CANADÁ

KoBold ya ha utilizado los conocimientos de los modelos de aprendizaje automático para adquirir sus reclamos mineros canadienses y desarrollar sus programas de campo. Su asociación con Stanford’s Centro de Pronóstico de Recursos de la Tierra, en marcha desde febrero, agrega una capa adicional de análisis a la combinación en forma de un “agente de decisión” de inteligencia artificial que puede trazar un plan de exploración completo.

El geocientífico de Stanford, Jef Caers, que supervisa la colaboración, explica que este responsable de la toma de decisiones digital cuantifica la incertidumbre en los resultados del modelo de KoBold y luego diseña un plan de recopilación de datos para reducir secuencialmente esa incertidumbre. Como un jugador de ajedrez que intenta ganar una partida con la menor cantidad de movimientos posible, la IA tendrá como objetivo ayudar a KoBold a tomar una decisión sobre un prospecto con un esfuerzo mínimo desperdiciado, ya sea que esa decisión sea perforar en un lugar en particular o alejarse.

Leave a Reply

Your email address will not be published. Required fields are marked *

This site uses Akismet to reduce spam. Learn how your comment data is processed.