¿Os habéis dado cuenta de que:

• un automóvil eléctrico típico requiere seis veces más de minerales que un automóvil convencional?
• una central eólica terrestre típica requiere nueve veces más de recursos minerales que una central eléctrica alimentada a gas?
• desde 2010, la cantidad promedio de minerales necesarios para una nueva planta de de generación de energía ha aumentado en un 50% a medida que aumenta la participación de las energías renovables?
• es posible que para 2040, la demanda de litio aumente unas 40 veces, mientras que la demanda de grafito, cobalto y níquel podría crecer entre 20 y 25 veces?

Claramente, existe la necesidad de:

• Más recursos naturales.
• Medios eficientes para utilizarlos de manera más efectiva.

WisdomTree tiene una historia establecida de centrarse en los mercados de materias primas y diferentes tendencias temáticas. Algunos de los conceptos más interesantes salen a la luz cuando estos diferentes tipos de iniciativas se intersecan.

Está claro que:

El mundo está más centrado en la reducción de las emisiones de carbono que en cualquier otro momento de la historia reciente, y podría conducir a ciertas acciones, como un crecimiento masivo de la demanda de vehículos eléctricos.

Un mega crecimiento de la demanda de vehículos eléctricos conduce a un crecimiento masivo de la demanda de baterías, las cuales requieren muchas materias primas.

Si nosotros, como sociedad global, vamos a encontrar más de estas materias primas, se requerirán nuevas técnicas, de manera similar a como se requirió en la perforación horizontal de shale para encontrar más recursos de combustibles fósiles. En este sentido, nos preguntamos: ¿cuál es esa técnica igualmente nueva que se puede utilizar, por ejemplo, para encontrar más cobalto, níquel o litio?

Más datos podrían conducir a una extracción minera más efectiva

Los geólogos de exploración tienen una capacidad limitada para digerir datos ricos proporcionados por la nueva generación de herramientas de exploración que incluyen la geofísica, las imágenes hiper-espectrales, la geoquímica y la mineralogía. Se pueden utilizar técnicas de aprendizaje automático calibradas correctamente para detectar los patrones que indican las mejores posibilidades de presencia de ciertos tipos de minerales, como el litio, el cobre, el níquel o lo que se desee. Si uno pudiera visualizar un sitio dado como una serie de bloques de tierra, y el modelo de computadora pudiera rastrear los datos dentro de cada bloque de tierra, entonces podría haber mayores eficiencias.

Actualmente, estas técnicas requieren de una supervisión significativa, debido a que los algoritmos pueden identificar, al procesar imágenes satelitales, ciertos patrones en lagos, campos de golf o plantas de tratamiento de aguas residuales como si fueran grandes lugares de exploración potencial. En Zambia, por ejemplo, ya se ha desarrollado una herramienta útil para trabajar con rocas máficas que, para los inexpertos, podrían ser indicios de depósitos de cobre. El beneficio de los algoritmos adecuadamente entrenados puede conducir al reconocimiento de estas señales falsas.

KoBold Metals: una empresa notable que busca irrumpir el hallazgo de minerales importantes

KoBold Metals es una startup respaldada por Breakthrough Energy Ventures de Bill Gates. La compañía tiene como objetivo utilizar inteligencia artificial para encontrar los metales necesarios para el auge de los vehículos eléctricos. En una ronda de financiación reciente, KoBold pudo recaudar 192,5 millones de dólares.

Una técnica de recopilación de datos involucra una bobina de cobre de 115 pies de ancho colgada de un helicóptero, que envía ondas electromagnéticas a la Tierra y hace que las corrientes penetren profundamente en la Tierra.

Los minerales tienen diferentes propiedades electromagnéticas y las señales que regresan contienen información valiosa de los tipos de minerales en diferentes lugares. La posibilidad de depósitos de níquel o cobalto tendrá ciertas características asociadas con lo que se vería desde el detector. Este enfoque podría abarcar más de 100 millas en un buen día. Si bien es poco probable que una sola técnica tenga todas las respuestas, podría ser útil su capacidad de:

• Recopilar más datos de manera más eficiente.
• Superponer diferentes tipos de datos para comprender mejor los depósitos regionales dados.

Las mineras han indicado que se tendrán que encontrar nuevos depósitos mucho más profundos en la corteza terrestre para que el mundo pueda estar en condiciones de satisfacer sus necesidades de energía verde en el futuro. Cabría la posibilidad de que ciertos patrones se ubiquen en las capas superiores de la corteza, lo cual podrían indicar la presencia potencial de ciertos minerales dentro de las capas inferiores.

El sector minero necesita ser interrumpido

Las nuevas minas pueden tardar más de diez años en estar operativas después de que las empresas reciben diferentes derechos y permisos. Descubrir el mejor lugar posible para explorar también puede tomar un período de tiempo significativo. La mayoría de los depósitos de alto grado fácilmente identificables ya se han encontrado y la inversión en exploración ha ido disminuyendo. Una regla general aproximada es que, por cada 100 sitios evaluados, uno generará un depósito rentable. Pero también es posible que, en los últimos años, la cifra real se acerque a uno en mil.

KoBold cree que las tasas de descubrimiento se pueden aumentar por un factor de aproximadamente 20, y también hay un beneficio si hay menos hoyos no rentables que necesiten ser excavados.
Se está haciendo mucho trabajo inicial en Canadá, el cual tiene grandes cantidades de datos de encuestas de dominio público, como:

• Informes de campo narrativos.
• Mapas geológicos desgastados por el tiempo.
• Datos geoquímicos en muestras de pozos de perforación.
• Datos de encuestas magnéticas y electromagnéticas aerotransportadas.
• Lecturas LIDAR.
• Imágenes satelitales que abarcan muchas décadas de exploración.

Una vez que se compila la información, KoBold explora los datos utilizando el aprendizaje automático, construyendo, por ejemplo, un modelo que podría predecir qué partes de los depósitos de minerales podría tener las concentraciones más altas de cobalto. También es posible que los datos se puedan agregar a los modelos a medida que se recopilan, lo que permite cambios adaptativos a la estrategia de exploración en tiempo real.

KoBold se asocia con el Centro de Estimaciones de Recursos Terrestres de Stanford, el cual agrega una capa adicional de análisis al mix en la forma de un <<agente de decisión>> de IA que puede mapear un plan de exploración completo. En cierto sentido, esto puede cuantificar la incertidumbre en los resultados del modelo de KoBold y diseñar un plan de recopilación de datos que pueda conducir a la mitigación de esta incertidumbre.

Si el objetivo se establece de esta manera, podría guiar a los científicos e investigadores para recopilar los tipos de datos e información que podrían generar el mayor impacto en el resultado (el hallazgo de los depósitos de minerales) y alejarlos de actividades que podrían tener un impacto menor.

Conclusión: otro caso posiblemente de predicciones más precisas

La IA, en esencia, está utilizando los datos disponibles para brindar a los usuarios la posibilidad de realizar predicciones más precisas. No hay garantía de que la IA revolucionará de inmediato la minería o que de repente encuentre y catalogue todos los minerales en la corteza terrestre. Tampoco en otros campos hay garantía de que la IA encuentre inmediatamente nuevos medicamentos efectivos o pueda guiar vehículos de forma autónoma.

En el corto plazo, estos son nuevos enfoques en los que los investigadores y profesionales aprenderán mucho de lo que podría conducir a posibles avances a partir de las técnicas de IA que se utilizan en conjunto con expertos humanos.