Stratum AI, con sede en Toronto, anunció que pudo identificar nuevas áreas auríferas en el complejo Aksu en Kazajstán mediante el uso de su sistema patentado de inteligencia artificial SATS.
Aksu es propiedad de JSC AK Altynalmas, una subsidiaria de Gouden Reserves BV, una empresa con sede en los Países Bajos y Singapur. La mina a cielo abierto tiene una capacidad de producción de 5 millones de toneladas por año a 1,28 g/t.
Combinando los modelos propios de Altynalmas con la IA de Stratum, se llevó a cabo un programa de perforación de ~2500 metros fuera del pozo principal. Una vez concluido, el minero verificó un potencial de 43.000 onzas de oro que de otro modo se habría perdido.
“La tasa de éxito del programa de perforación SATS fue del 83 %, lo cual es extremadamente raro en la industria minera, y las muestras indicaron un aumento del 30 % en la ley promedio”, dijo la firma canadiense en un comunicado de prensa. “Además, el programa casi duplicó los resultados de mineral de alta ley de más de 10 g por tonelada, a veces llamado grado pepita, en comparación con programas anteriores en la mina, con algunos resultados de hasta 80 g por tonelada”.
Según Stratum, el sistema SATS también redujo el costo de perforación al verificar un 40% más de material con la misma cantidad de metros.
“Altynalmas es una de las siete mineras de todo el mundo con las que trabaja Stratum. Debido a la confidencialidad de sus acuerdos con los clientes, Stratum solo ha podido hacer públicos resultados limitados hasta el momento”, afirma el comunicado de prensa.
“En noviembre, Stratum anunció que su trabajo en una operación de McEwen Mining Inc. en Canadá mostró que su sistema SATS era aproximadamente un 75 % más preciso en la proyección del valor real del oro excavado del suelo que el modelo anterior de la minera. Stratum espera anunciar más resultados a finales de este año”.
Cómo funciona
Como La red neuronal de Stratum se despliega, accede a datos de perforación para predecir una región. Durante este proceso de aprendizaje, los datos históricos de producción se pueden integrar para comprender mejor cómo se deposita la geología.
La premisa básica es que, dados los datos de perforación de entrada, es posible predecir la ley del oro para que se ajuste mejor a la predicción individual y la distribución del conjunto de datos. La distribución del conjunto de datos parece vagamente una exponencial en descomposición.
La entrada en el modelo son las muestras de perforación circundantes de un cierto punto x, y y z que el modelo está tratando de predecir. Estos puntos se agrupan en una cuadrícula 3D para que parezca una imagen 3D compuesta de píxeles distintos con una densidad del 0,2 al 5 %. Esto ha demostrado ser ventajoso para la codificación plana, ya que permite que el modelo agregue patrones locales antes de realizar la predicción final.
En este proceso, las técnicas de aumento son extremadamente cruciales y un punto constante de innovación. Algunas técnicas incluyen la explotación de la simetría, el muestreo, el muestreo negativo, la variación de las técnicas de codificación (para distinguir ningún dato con una calificación del 0 %, si corresponde), el ruido de los datos de entrada, etc.
La estructura real de la red neuronal depende en cierta medida de los hiperparámetros relevantes para la geología de la mina y la disponibilidad de datos.
“El sistema SATS de Stratum cambia la economía minera de los tajos abiertos a una minería subterránea más respetuosa con el medio ambiente”, afirma el comunicado. “También reduce el envío de mineral antieconómico a los molinos en un 40 %, lo que permite a las empresas usar un 20 % menos de agua y energía”.
La empresa también señaló que su solución es capaz de reducir la contaminación en un 45 % al identificar metales nocivos como el selenio, el mercurio y el arsénico para garantizar que permanezcan en el suelo y/o se identifiquen y aíslen para que no se filtren al agua o al aire. .
