Los circones son minerales comunes y resistentes que se pueden encontrar en rocas de hasta 4 mil millones de años. Su estructura y textura pueden reflejar las condiciones en las que se formaron, lo que les valió la reputación de cápsulas del tiempo de la naturaleza. Y según una nueva investigación, con el poder del aprendizaje automático, los científicos pueden extraer texturas de circonio para identificar depósitos minerales valiosos.
En un nuevo estudio publicado en Revista de investigación geofísica: Tierra sólida, Chetan Nathwani y sus colegas desarrollaron un método para distinguir diminutas diferencias entre los granos de zirconio formados en rocas asociadas con cobre y rocas graníticas. Su método podría ayudar a los científicos a buscar depósitos minerales e investigar los orígenes de diferentes sedimentos.
Los investigadores utilizaron una herramienta de aprendizaje automático llamada red neuronal convolucional (CNN), que se especializa en el análisis de imágenes. Usando muestras recolectadas en el sur de Perú, una región que produce gran parte del cobre del mundo, descubrieron que CNN podía identificar formas y texturas únicas de circonitas que se encuentran cerca de los depósitos de cobre. El modelo también pudo distinguir estos circones asociados con cobre de los que se encuentran en otros tipos de rocas en la región con una tasa de éxito del 85 %.
El cobre tiene amplias aplicaciones industriales, desde la electrónica hasta la construcción, y el estudio sugiere que combinar el aprendizaje automático con técnicas más tradicionales podría facilitar la exploración e identificación de depósitos de cobre.
Mas informaciones:
Chetan L. Nathwani et al, Clasificación de la textura mineral utilizando redes neuronales convolucionales profundas: una aplicación a los circones de los depósitos de pórfido de cobre, Revista de investigación geofísica: Tierra sólida (2023). DOI: 10.1029/2022JB025933
Información del periódico:
Revista de investigación geofísica
