Exploration Information System – Mapowanie priorytetów dla obszarów obiecujących pod względem wydobycia kopalin

Mapowanie związane z poszukiwaniem kopalin minerałów to podejście oparte na danych lub wiedzy, stosowane w celu lepszego wykorzystania danych pochodzących z poszukiwań złóż. Pomaga nakreślić i ustalić priorytety dla obszarów obiecujących pod względem występowania nieodkrytych złóż mineralnych. Zespół finansowanego przez UE projektu EIS opracuje nowe metody analizy danych z tym związanych. Połączy on sztuczną inteligencję, uczenie maszynowe i uczenie głębokie z nowymi geomodelami i modelowaniem systemów mineralnych. Pozwoli to obniżyć koszty poszukiwań i poprawić dokładność wyznaczania celów we wczesnej fazie prac poszukiwawczych. Celem projektu EIS jest również podkreślenie znaczenia surowców krytycznych dla gospodarki i dobrobytu UE. Konsorcjum skupiające 17 partnerów z całej UE oraz RPA i Brazylii reprezentuje regiony produkujące metale.

Zaawansowane narzędzia wspierają mapowanie potencjalnego występowania złóż o niskim wpływie na środowisko

Pionierska platforma open-source integruje sztuczną inteligencję, uczenie maszynowe i głębokie uczenie, aby precyzyjnie wskazywać źródła surowców krytycznych o wysokim potencjale i wspierać zrównoważone niezależne dostawy tych materiałów.

Aby przeprowadzić skuteczną zieloną transformację i osiągnąć neutralność klimatyczną do 2050 r., UE potrzebuje coraz większej ilości surowców krytycznych (CRM). Odpowiedzialne pozyskiwanie i recykling CRM zmniejszają wpływ poszukiwań i wydobycia na przyrodę i środowisko. Jednym z najlepszych sposobów, aby to zrobić, jest przeprowadzenie in silico „wydobycia perspektywiczngo” zarówno dla surowców pierwotnych, jak i wtórnych z wykorzystaniem modeli do precyzyjnej identyfikacji celów o wysokim potencjale przy zerowym wpływie na środowisko. W ramach finansowanego ze środków UE projektu EIS opracowano narzędzia integrujące sztuczną inteligencję, uczenie maszynowe i głębokie uczenie do analizy obszernych zbiorów danych z poprzednich kampanii poszukiwawczych. Takie oparte na danych podejście powinno przyspieszyć odkrycia, zminimalizować zakłócenia ekologiczne i wspierać bardziej zrównoważone i wydajne poszukiwania CRM.

Zaawansowane narzędzia do modelowania wykorzystują istniejące duże zbiory danych

„Integracja sztucznej inteligencji, uczenia maszynowego i głębokiego uczenia z poszukiwaniem minerałów ma potencjał transformacyjny. Poprzez analizę ogromnych zbiorów danych z poprzednich kampanii poszukiwawczych — w tym danych geofizycznych, geochemicznych i geologicznych -—technologie te mogą odkrywać wzorce i korelacje, których dostrzeżenie przekracza ludzkie możliwości” — wyjaśnia koordynatorka projektu Hafsa Ahmed Munia z Geological Survey of Finland GTK. Wykorzystanie sztucznej inteligencji znacznie zmniejsza potrzebę kosztownych i inwazyjnych operacji terenowych, obniżając w ten sposób zarówno koszty finansowe, jak i środowiskowe. Uczenie maszynowe i modele głębokiego uczenia, które mogą stale ulepszać się dzięki nowym danym, z czasem doprowadzą do bardziej precyzyjnych i niezawodnych zdolności predykcyjnych.

Cyfrowa biblioteka systemów minerałów pierwotnych i zaawansowane narzędzia analityczne

Istniejące niekomercyjne narzędzia do analizy potencjału występowania złóż są rozproszone i wymagają znacznej wiedzy specjalistycznej do skutecznego korzystania z nich. „Aby wypełnić tę krytyczną lukę, zespół projektu EIS opracował dwie aplikacje, które obejmują nowe geomodele, a także nowatorskie, szybkie i opłacalne narzędzia do analizy danych przestrzennych do analizy poszukiwań minerałów, mapowania i modelowania systemów mineralnych” — wyjaśnia Munia. EIS toolkit to samodzielna biblioteka języka Python dla systemów mineralnych. Integruje uczenie maszynowe i analizę danych przestrzennych, aby ułatwić mapowanie potencjału występowania złóż na poziomie niespotykanym w obecnie dostępnym bezpłatnym oprogramowaniu. Narzędzia z tego zestawu mogą być używane indywidualnie w programach w języku Python lub z pomocą kreatora EIS QGIS. Kreator EIS QGIS to przyjazny dla użytkownika interfejs, który zwiększa dostępność zestawu narzędzi, usprawniając przepływy pracy dla geologów i specjalistów ds. poszukiwań. Wtyczka umożliwia użytkownikom nawigację na każdym etapie mapowania potencjału występowania złóż. Repozytorium zawiera dokumentację instalacji oprogramowania.

Zrównoważone europejskie dostawy CRM przy minimalnym wpływie na środowisko

W ramach projektu EIS oceniono zdolność narzędzi EIS do tworzenia map potencjału występowania złóż dla surowców wtórnych (z kopalń lub z odpadów przetwórczych/metalurgicznych). Ocena wykazała luki w potrzebnych informacjach i zaowocowała zaleceniami dotyczącymi tego, jak ułatwić mapowanie potencjalnego występowania złóż dla surowców wtórnych. „Wspierając zespoły poszukiwawcze na wszystkich etapach ich projektów, narzędzia EIS usprawnią przepływy pracy, umożliwią lepsze podejmowanie decyzji i ułatwią zrównoważone odkrywanie CRM poprzez bardziej precyzyjne poszukiwania złóż” — podsumowuje Munia. W ten sposób wyniki projektu zwiększą długoterminową samowystarczalność Europy w zakresie CRM i będą wspierać wdrażanie Europejskiego Zielonego Ładu, co przyniesie korzyści dla gospodarki UE, jej mieszkańców i środowiska. Społeczeństwo może dowiedzieć się więcej o istotnej roli CRM w życiu codziennym i gospodarczym, zielonej transformacji i zrównoważonym rozwoju poprzez podcasty i filmy.

Więcej informacji pod linkiem.

Źródło: CORDIS – Wyniki badań wspieranych przez UE, Komisja Europejska, Urząd Publikacji Unii Europejskiej

Exploration Information System – New mapping to prioritise mineral prospective areas

Mineral prospectivity mapping is a data-driven or knowledge-driven approach used to make better use of mineral exploration data. It helps outline and prioritise prospective areas for exploring undiscovered mineral deposits. The EU-funded EIS project will develop new data analysis methods. Specifically, it will merge artificial intelligence, machine learning and deep learning, with new geomodels and mineral systems modelling. This will reduce exploration costs and improve the accuracy of the targeting of the early phase exploration. EIS aims also to emphasise the importance of critical raw materials to the EU’s economy and welfare. Bringing together 17 partners from across the EU and South Africa and Brazil, the consortium represents the metal-producing regions.

Advanced tools support low-impact mineral prospectivity mapping

A pioneering open-source platform integrates AI, machine learning and deep learning to precisely target high-potential CRM sources, supporting a sustainable independent CRM supply.

To succeed in the green transition and become climate neutral by 2050, the EU needs an increasing amount of critical raw materials (CRMs). Responsibly sourcing and recycling CRMs will reduce the impact of exploration and mining on nature and the environment. One of the best ways to do this is to conduct ‘prospectivity mining’ in silico for both primary and secondary raw materials, using models to precisely identify high-potential targets with zero environmental impact. The EU-funded EIS project developed tools integrating AI, machine learning and deep learning to analyse extensive datasets from previous exploration campaigns. This data-driven approach should accelerate discovery, minimise ecological disruption and support more sustainable and efficient exploration for CRMs.

Advanced modelling tools leverage existing big data

“The integration of AI, machine learning and deep learning into mineral exploration offers transformative potential. By analysing vast datasets from previous exploration campaigns – including geophysical, geochemical and geological data – these technologies can uncover patterns and correlations that are beyond human capability to detect,” explains project coordinator Hafsa Ahmed Munia of Geological Survey of Finland. The use of AI will significantly reduce the need for expensive and invasive field operations, thus lowering both financial and environmental costs. Machine learning and deep learning models that can continuously improve with new data will lead to more precise and reliable predictive capability over time.

Digital library of primary mineral systems and advanced analysis tools

Existing non-commercial tools for mineral prospectivity analysis are scattered and require significant expertise to use effectively. “To address this critical gap, EIS developed two software applications that include new geomodels as well as novel, fast and cost-effective spatial data analysis tools for mineral exploration analysis, mapping and mineral systems modelling,” says Munia. The EIS toolkit is a stand-alone Python library of mineral systems. It integrates machine learning and spatial data analysis to facilitate mineral prospectivity mapping at a level unmatched by currently available free software. The tools in the toolkit can be used individually in Python scripts or via the EIS QGIS wizard. The EIS QGIS wizard is a user-friendly interface that enhances accessibility to the toolkit, streamlining workflows for geologists and exploration professionals. The plug-in allows users to navigate each step of mineral prospectivity mapping. The repository includes documentation for the installation of the software.

Sustainable European CRM supply with minimal environmental impact

EIS evaluated the capability of the EIS tools to produce mineral prospectivity maps for secondary raw materials (from mines and/or from processing/metallurgical wastes). The evaluation noted gaps in information needed and resulted in recommendations on how to facilitate mineral prospectivity mapping for secondary raw materials. “Supporting exploration teams in all stages of their projects, EIS’ tools will streamline workflows, enable better decision-making, and facilitate the sustainable discovery of CRMs through more precise targeting of deposits,” Munia concludes. In this way, the project’s outcomes will increase Europe’s long-term self-sufficiency regarding CRMs and support the implementation of the European Green Deal, benefitting the EU economy, its inhabitants and the environment. The public can learn more about the vital role of CRMs in daily life and in the economy, the green transition and sustainable development through the project’s podcasts and videos.

Source: CORDIS – EU research results, European Commission, Publications Office of the European Union