La IA ayuda a encontrar depósitos minerales sin explotar

Su herramienta, sin embargo, utiliza datos de la base de datos de evolución mineral, que incluye 295 583 localidades minerales de 5478 especies minerales, para predecir ocurrencias previamente desconocidas basadas en reglas de asociación. Los autores probaron su modelo explorando la cuenca de Tecopa en el desierto de Mojave, un conocido entorno análogo a Marte.

“El análisis de asociación de minerales cuantifica multicorrelaciones de alta dimensión en localidades de minerales en todo el mundo, lo que permite la identificación de ocurrencias minerales previamente desconocidas, así como conjuntos de minerales y sus modos paragenéticos asociados”, se lee en el informe.

El modelo pudo predecir la ubicación de minerales geológicamente importantes, incluida la alteración de uraninita, rutherfordina, andersonita, schröckingerita, bayleyita y zippeita.

Además de esto, el modelo localizó áreas prometedoras para elementos críticos de tierras raras y minerales de litio, incluida la monacita-(Ce), la alanita-(Ce) y la espodumena. 

Una vez hecho esto, los investigadores probaron y confirmaron varias de estas predicciones de ocurrencia de minerales en la naturaleza, verificando así el método.

“El análisis de asociación de minerales puede ser una poderosa herramienta predictiva para mineralogistas, petrólogos, geólogos económicos y científicos planetarios”, dijeron los autores en un comunicado de prensa. «[Esto] mejorará nuestra comprensión de la mineralización y los entornos de mineralización en la tierra, en todo nuestro sistema solar y a lo largo del tiempo».