Com a ampliação do uso de fontes limpas de energia no planeta, a busca crescente por novas jazidas de minerais utilizados na produção de painéis solares, carros elétricos e turbinas eólicas – como níquel, cobalto, lítio, cobre e elementos de terras raras – exige métodos de exploração mineral mais rápidos e menos agressivos ao meio ambiente.

Foi com esse propósito que o pesquisador Humberto Barbosa, da Unidade Acadêmica de Ciências Atmosféricas da Universidade Federal de Campina Grande (UFCG), desenvolveu um estudo com o objetivo de avaliar como diferentes modelos de Inteligência Artificial podem aprimorar a análise de grandes volumes de dados geológicos, geoquímicos, geofísicos e de sensoriamento remoto, reduzindo as incertezas e otimizando as decisões de investimento na exploração mineral.

A pesquisa teve como base o chamado Escudo Brasileiro, formação geológica que engloba parte significativa do território nacional e que possui um grande potencial de minerais críticos. Foram utilizados seis modelos de inteligência artificial Machine Learning na identificação de regiões com características geológicas semelhantes às presentes nos depósitos minerais analisados.

O estudo apontou o modelo ensemble (técnica de IA que combina vários sistemas individuais para criar um único sistema robusto capaz de gerar previsões mais precisas) como o mais eficiente na identificação do potencial econômico das áreas e na análise dos dados usados na exploração mineral.

Clique aqui para ler o estudo completo.