11 Xul Un equipo do CSIC busca diminuír a dependencia de materias primas minerais mediante machine learning

O proxecto Vector busca mellorar a eficiencia da exploración mineral e a minaría en Europa mediante o desenvolvemento de novas tecnoloxías e modelos. Esta iniciativa europea conta coa participación de científicos do Consello Superior de Investigacións Científicas (CSIC). O obxectivo é obter unha nova ferramenta de prospección xeolóxica, que utiliza a aprendizaxe automática, para realizar medicións xeolóxicas, xeoquímicas e xeofísicas máis sostibles.

“Este fluxo de traballo será transferible e validarase en tres concas sedimentarias europeas. O obxectivo final é que Europa reduza a súa dependencia á hora de importar materias primas empregadas en enerxías renovables e tecnoloxías dixitais”, destaca Ramón Carbonell, un dos investigadores do Geociencias Barcelona do CSIC que forman parte deste proxecto liderado polo Instituto Helmholtz de Freiberg para a Tecnoloxía dos Recursos (HIF), do Helmholtz Zentrum Dresden-Rossendorf (HZDR), en Alemaña.

Vector impulsará o coñecemento baseado na accesibilidade e evidencia científica para que Europa dependa máis dos seus propios depósitos e xacementos.

A Unión Europea importa o 80% das materias primas industriais necesarias para fabricar tecnoloxías dixitais. Só o 1% das materias primas empregadas en enerxía eólica e o 2% das utilizadas en robótica proveñen da produción na UE.

“Proporcionar esta produción europea axudaría a fortalecer as cadeas de valor estratéxicas e industriais, así como proporcionar directrices para un abastecemento de metais máis sostible”, explica Carbonell.

O proxecto desenvolverá un conxunto de ferramentas integradas e teranse en conta, tanto o potencial de exploración xeolóxica, como os factores socioeconómicos, para obter unha avaliación das rexións máis adecuadas para a exploración e, no seu caso, a explotación mineira.

En concreto, os científicos do GEO3BCN-CSIC probarán e validarán unha metodoloxía de exploración do subsolo, ata profundidades de 2.000 a 3.000 metros, mediante o uso de ruído sísmico ambiental. “Outro obxectivo é a implementación de interpretación integrada e construción de modelos tridimensionais mediante o uso de machine learning. Este apartado consiste en utilizar datos procedentes de diferentes disciplinas xeofísicas, xeolóxicas e xeoquímicas e integralos nun software para obter modelos xeolóxicos tridimensionais”, indica o investigador do CSIC.

Científicos do Instituto de Geociencias, (IGEO-CSIC-UCM), liderados polo investigador do CSIC Fernando Tornos, encargaranse neste proxecto da caracterización xeolóxica e mineralóxica das mostras de sondaxes, unha información que será integrada cos datos de observacións indirectas do subsolo.