11 Jul Un equipo del CSIC busca disminuir la dependencia de materias primas minerales mediante machine learning
El proyecto Vector busca mejorar la eficiencia de la exploración mineral y la minería en Europa mediante el desarrollo de nuevas tecnologías y modelos. Esta iniciativa europea cuenta con la participación de científicos del Consejo Superior de Investigaciones Científicas (CSIC). El objetivo es obtener una nueva herramienta de prospección geológica, que utiliza el aprendizaje automático, para realizar mediciones geológicas, geoquímicas y geofísicas más sostenibles.
“Este flujo de trabajo será transferible y se validará en tres cuencas sedimentarias europeas. El objetivo final es que Europa reduzca su dependencia a la hora de importar materias primas empleadas en energías renovables y tecnologías digitales”, destaca Ramón Carbonell, uno de los investigadores del Geociencias Barcelona del CSIC que forman parte de este proyecto liderado por el Instituto Helmholtz de Freiberg para la Tecnología de los Recursos (HIF), del Helmholtz Zentrum Dresden-Rossendorf (HZDR), en Alemania.
Vector impulsará el conocimiento basado en la accesibilidad y evidencia científica para que Europa dependa más de sus propios depósitos y yacimientos.
La Unión Europea importa el 80% de las materias primas industriales necesarias para fabricar tecnologías digitales. Solo el 1% de las materias primas empleadas en energía eólica y el 2% de las utilizadas en robótica provienen de la producción en la UE.
“Proporcionar esta producción europea ayudaría a fortalecer las cadenas de valor estratégicas e industriales, así como proporcionar directrices para un abastecimiento de metales más sostenible”, explica Carbonell.
El proyecto desarrollará un conjunto de herramientas integradas y se tendrán en cuenta, tanto el potencial de exploración geológica, como los factores socioeconómicos, para obtener una evaluación de las regiones más adecuadas para la exploración y, en su caso, la explotación minera.
En concreto, los científicos del GEO3BCN-CSIC probarán y validarán una metodología de exploración del subsuelo, hasta profundidades de 2.000 a 3.000 metros, mediante el uso de ruido sísmico ambiental. “Otro objetivo es la implementación de interpretación integrada y construcción de modelos tridimensionales mediante el uso de machine learning. Este apartado consiste en utilizar datos procedentes de diferentes disciplinas geofísicas, geológicas y geoquímicas e integrarlos en un software para obtener modelos geológicos tridimensionales”, indica el investigador del CSIC.
Científicos del Instituto de Geociencias, (IGEO-CSIC-UCM), liderados por el investigador del CSIC Fernando Tornos, se encargarán en este proyecto de la caracterización geológica y mineralógica de las muestras de sondeos, una información que será integrada con los datos de observaciones indirectas del subsuelo.