Comente, compartilhe e deixe sua opinião nos comentários! Sua participação é essencial para enriquecer o debate
Por Redação
O uso de inteligência artificial e ciência de dados para localizar depósitos minerais críticos esteve no centro da apresentação do pesquisador Steven Zhang durante o SIMEXMIN 2026. Representando o Geological Survey of Canada, Zhang apresentou modelos computacionais voltados à chamada “mineral prospectivity mapping”, técnica que utiliza grandes volumes de dados geológicos para prever áreas com potencial mineral.
Com o tema da prospectividade geologica utilizando IA, a palestra abordou como aprendizado de máquina, integração de geodados e modelos probabilísticos podem auxiliar a exploração mineral tanto no Canadá quanto no Brasil, especialmente no contexto dos minerais críticos ligados à transição energética.
“Estou muito animado por estar aqui para falar sobre temas que são muito importantes para mim dentro da geociência computacional”, afirmou Zhang. “Hoje existe uma mudança profunda na forma como fazemos exploração mineral. Antes, a investigação era baseada principalmente em conhecimento geológico tradicional. Agora, passamos para uma investigação orientada por dados.”
Minerais críticos exigem novas ferramentas
Segundo o pesquisador, a iniciativa canadense Critical Minerals Geoscience and Data Initiative surgiu da necessidade de acelerar a descoberta e o desenvolvimento de minerais estratégicos, reduzindo riscos para investimentos e fortalecendo a capacidade técnica do país.
“Os minerais se tornam críticos porque precisamos deles, mas existe o risco de não conseguirmos suprir a demanda em quantidade suficiente”, explicou. “Fazer as coisas exatamente da mesma maneira não vai resolver esse problema. Precisamos de novos métodos, novas ferramentas e novas ideias.”
Zhang destacou que o avanço da computação, o crescimento das bases de dados geocientíficos e o desenvolvimento da inteligência artificial provocaram uma mudança estrutural na exploração mineral nas últimas décadas.
Modelos aprendem a reconhecer “assinaturas” geológicas
Durante a apresentação, o pesquisador explicou que os sistemas minerais funcionam como sistemas complexos em desequilíbrio termodinâmico, deixando “impressões digitais” geológicas que podem ser detectadas por modelos computacionais.
“Os depósitos minerais deixam rastros. Nós perseguimos essas assinaturas para entender o que aconteceu e onde isso pode ocorrer novamente”, afirmou.
Os modelos utilizam dados geofísicos, geoquímicos, geológicos, sísmicos e de sensoriamento remoto para identificar padrões associados à mineralização. O objetivo é reduzir áreas de busca e aumentar a precisão na definição de alvos exploratórios.
Previsões inspiradas na meteorologia
Um dos destaques da palestra foi o uso de modelos chamados deep ensembles, inspirados em sistemas de previsão meteorológica. Em vez de utilizar apenas um modelo de inteligência artificial, os pesquisadores combinam milhares de simulações diferentes para produzir cenários probabilísticos.
“Se você confia na previsão do tempo, é exatamente esse tipo de lógica que estamos trazendo para a prospecção mineral”, disse Zhang. “Nós não queremos apenas saber o que é mais provável acontecer, mas também compreender as incertezas.”
Segundo ele, o método ajuda a resolver um dos principais problemas da modelagem espacial: diferentes modelos podem apresentar o mesmo desempenho estatístico, mas gerar mapas completamente distintos.
IA usada para ler relatórios históricos
Outro eixo da pesquisa envolve o uso de modelos de linguagem para interpretar grandes volumes de relatórios geológicos históricos. A proposta é extrair automaticamente descrições de sistemas minerais e utilizá-las para gerar mapas prospectivos.
Zhang explicou que muitas agências geológicas possuem milhares de documentos acumulados ao longo de décadas, frequentemente produzidos antes das classificações modernas dos sistemas minerais.
“O desafio é que temos muitos dados históricos, mas nem sempre sabemos exatamente a que tipo de sistema mineral eles pertencem”, afirmou. “A inteligência artificial pode ajudar a organizar e interpretar essas informações.”
Brasil e Canadá ampliam cooperação
O pesquisador afirmou que a parceria entre o Canadá e o Brasil deverá focar na criação de mapas prospectivos de alta qualidade a partir da integração de diferentes bases de dados e metodologias.
“Nossa meta é aplicar conhecimentos em integração de dados, anotação geocientífica e modelagem para produzir mapas prospectivos robustos para alvos escolhidos aqui no Brasil”, declarou.
Ao encerrar a palestra, Zhang ressaltou que avanços em geociência de dados dependem não apenas de tecnologia, mas também de cooperação institucional e equipes multidisciplinares.
“É preciso ter uma visão clara, um ambiente favorável e cientistas motivados trabalhando juntos”, concluiu. “Com um pouco de sorte e muito esforço, é possível alcançar resultados importantes.”
