‘Exploración inteligente: la industria avanza en nuevas formas de buscar minerales’ se titula un reportaje recientemente publicado por el Diario Financiero (DF) que destaca el proyecto ‘Toolkit mineraloquímico operado por inteligencia artificial, para la exploración de pórfidos cupríferos’, financiado por la Agencia Nacional de Investigación y Desarrollo (ANID), a través de su línea de Valorización de la Investigación en la Universidad, VIU.
Se trata, señala la publicación, de “un toolkit mineraloquímico operado por inteligencia artificial (lA) para la exploración de pórfidos cupriferos desarrollado por el geólogo y candidato a doctor en Ciencias Geológicas de la Universidad de Concepción, Alonso Hidalgo. Se trata de un modelo computacional capaz de predecir la presencia, ubicación y escala de yacimientos ocultos en profundidad, incluso desde zonas alejadas del centro mineralizado”.
Alonso afirmó al DF que soluciones basadas en lA aplicadas a datos de química mineral “abren una oportunidad para mejorar la eficiencia y precisión en la exploración”.
Revisa la entrevista completa a continuación:
La IA está transformando la forma en que se identifican zonas de alto potencial mineral, optimizando recursos y reduciendo riesgos en la exploración minera. En esta misma línea, ¿Podría describir en breves palabras su invención para la exploración minera, su funcionamiento y cómo nace esta idea?
Estamos desarrollando una herramienta para la exploración de yacimientos tipo pórfido de cobre, basada en datos de química mineral y algoritmos de machine learning y deep learning. Se trata de un modelo computacional capaz de predecir la presencia, ubicación y escala de yacimientos ocultos en profundidad, incluso desde zonas alejadas del centro mineralizado, lo que permite optimizar la búsqueda y reducir riesgos.
La utilidad de la química mineral en exploración es conocida desde hace años en el ámbito científico. Sin embargo, integrar estos datos con inteligencia artificial representa un salto tecnológico. Esta innovación surge a partir de investigaciones lideradas por la Dra. Laura Hernández y el Dr. Osvaldo Rabbia, del Instituto GEA de la Universidad de Concepción, y está tomando forma a través de mi formación académica y la ejecución de un proyecto VIU de ANID.
¿Qué tipo de datos geológicos o geoquímicos utiliza su modelo para identificar zonas con potencial mineral y cómo esta herramienta mejora el proceso de exploración frente a métodos tradicionales?
El modelo se basa en datos químicos de minerales clave, tales como la clorita y la epidota. Estos minerales permiten explorar zonas alejadas del centro del sistema, a diferencia de los métodos tradicionales que suelen utilizar la geoquímica de roca total.
Al aplicar algoritmos de IA sobre estos datos, hemos logrado mejorar significativamente la precisión en la predicción del centro del yacimiento desde distancias de hasta 4 km, así como en la detección de su presencia y en la estimación de su tamaño. Esta herramienta puede ser especialmente útil en etapas tempranas de exploración, ayudando a priorizar proyectos con mayor potencial y a optimizar la ubicación de los primeros sondajes. En términos simples, acelera el proceso y mejora la toma de decisiones.
¿Cuál es la importancia de este tipo de soluciones de IA para el desarrollo del país en este rubro y cómo podría impactar en las afueras?
Chile, a pesar de ser el mayor productor de cobre del mundo, enfrenta un desafío crucial: hace más de una década que la tasa de descubrimiento de nuevos yacimientos ha disminuido. La mayor parte del cobre que producimos proviene de grandes depósitos descubiertos hace varias décadas, como Chuquicamata y El Teniente, y los yacimientos más recientes se encuentran a profundidades cada vez mayores, lo que encarece y complejiza la exploración.
Este escenario se vuelve aún más relevante ante la creciente demanda global de cobre impulsada por la transición energética. Las tecnologías vinculadas a las energías limpias requieren grandes volúmenes de cobre, lo que convierte a este metal en un recurso estratégico para enfrentar la crisis climática.
En este contexto, soluciones basadas en inteligencia artificial aplicadas a datos de química mineral abren una oportunidad para mejorar la eficiencia y precisión en la exploración, contribuyendo a mantener el liderazgo minero de Chile y promoviendo una minería más sostenible. Además, esta tecnología es perfectamente aplicable a otros países andinos con potencial geológico, ayudando a fortalecer el desarrollo minero a nivel regional.