Sobre o Workshop

O II Workshop Intelli+Geo: Avanços de IA em exploração mineral, organizado através de parceria entre o Instituto de Geociências da Universidade de São Paulo (IGc-USP, São Paulo, Brasil) e o Institut National de la Recherche Scientifique (INRS, Quebec, Canadá), é um evento organizado para estimular trocas entre profissionais e pesquisadores brasileiros e canadenses, assim como permitir o acesso de estudantes interessados às tecnologias mais recentes aplicadas em exploração mineral de forma gratuita.

Mini-curso: Mapeamento de Potencial Mineral (dia 20 de Março)

No dia 20 de Março será ofertado um mini-curso de mapeamento de potencial mineral. O curso será realizado exclusivamente presencialmente no Laboratório de Informática Geológica (LIG) do IGc-USP, e terá 25 vagas no total. As inscrições estarão abertas até o dia 15/03, por ordem de chegada, através desta mesma página (opção Inscrição no mini-curso (dia 20)).

Tópicos Abordados:

1. Introdução à Inteligência Artificial e Conceitos Fundamentais de Ciência de Dados:

   - Definições, histórico, conceitos de computação e estatística.

2. Apresentação da Ferramenta Orange Data Mining:

Introdução à ferramenta Orange Data Mining: orangedatamining.com.

3. Apresentação dos Estudos de Caso:

   - Exibição de estudos de caso, envolvendo aplicações práticas da inteligência artificial e ciência de dados no mundo real.

4. Explorando os Bancos de Dados:

   - Análise exploratória de dados, envolvendo o exame e compreensão dos conjuntos de dados disponíveis para modelagem.

5. Pré-processamento de Dados:

   - Pré-processamento de dados, que inclui limpeza, transformação e preparação dos dados para análise.

6. Treinamento de Modelos de Aprendizado de Máquina:

   - Treinamento de modelos de aprendizado de máquina, incluindo a seleção dos algoritmos que são utilizados para identificar padrões e realizar classificações com base nos dados.

7. Geração de Mapas Preditivos de Potencial Mineral:

   - Geração de mapas preditivos para potencial mineral; produtos gerados para prever a probabilidade de ocorrência de depósitos minerais.

IMPORTANTE: Caso você se inscreva e não possa comparecer, pedimos a gentileza que cancele seu ingresso, ou entre em contato conosco ([email protected]; [email protected]) para que possamos liberar a vaga.

Palestras Confirmadas (dias 21 e 22 de Março)

Nos dias 21 e 22, o evento contará com palestra de diversos especialistas do setor mineral, que ocorrerão no AUDITÓRIO A5 do IGc-USP, com transmissão ao vivo através do Canal do Instituto de Geociencias da USP no YouTube:

• Arthur Endlein (Geovariances)

Being it for machine learning or effectively all other processes in mining, good data is fundamental to have any chance of getting results. Though sometimes we find ourselves with data that can be relied upon without any extra work, most datasets have problems, and some only look like data if you squint hard. This is a short introduction to data cleaning, verification, formatting and merging using Python, based on practical experience with troublesome datasets.

• Júlio Hoffimann (Arpeggeo)

Geospatial Data Science with Julia presents a fresh approach to data science with geospatial data and the Julia programming language. In this short talk, I will cover important concepts discussed in the corresponding book, which are implemented as open source software: https://juliaearth.github.io/geospatial-data-science-with-julia

• Gabriel Alencar Dantas (Poli-USP)

A integração da inteligência artificial (IA) em simulações geológicas de curto prazo com dados operacionais oferece oportunidades para aprimorar a precisão e eficiência na mineração, enfrentando desafios como a integridade dos dados e complexidade computacional. Estudos indicam a IA como chave para superar discrepâncias de teor e incertezas geológicas, promovendo avanços em controle e otimização de processos. Essa abordagem sinaliza um futuro de mineração mais sustentável e eficiente através da tecnologia avançada .

• Erwan Gloaguen (INRS)

The availability of multiple geophysical data allows using machine learning algorithms for predicting the geology or targeting deposits. In this presentation, I will make an overview of several projects we have done in the last 10 years with a specific focus on the Province of Quebec, Canada. The covered projects range from geophysical log analysis to predict alteration to the prediction of VMS deposits at the regional scale.

• Jean-Philippe Paiement (VRIFY)

AI is revolutionizing how we discuss geosciences, enhancing both understanding and accessibility. Through AI-driven tools, complex data sets become digestible, allowing for clearer communication of geological concepts. Natural language processing enables simplified explanations, making geoscience discussions more inclusive and engaging for diverse audiences. Additionally, AI aids in predictive modeling, offering insights into geological phenomena and potential outcomes. This transformation fosters collaborative discourse, bridging gaps between experts and the public, ultimately democratizing knowledge and fostering a deeper appreciation for Earth's complexities.

• Cleyton de Carvalho Carneiro (Poli-USP)

As diversas fases de transformação da Indústria sempre foram marcadas por demandas energéticas e minerais estratégicas. O advento da Indústria 4.0 e suas respectivas transformações digitais envolvendo Inteligência Artificial se estabeleceram inicialmente pelos bens de consumo, com gradual migração para as unidades de processamento e insumos. Os Georrecursos, como fontes de matéria prima para a indústria, estão em pleno processo de transformação digital. Paralelamente, as demandas energéticas e minerais se diversificaram com a busca de soluções climáticas aliadas ao desenvolvimento sustentável. Assim, modelos geológicos tridimensionais, rochas digitais, modelos de fácies, agrupamentos, classificações ou regressões visando dados sintéticos, passam a ser tarefas comuns para uma indústria que depende cada vez mais de insumos minerais e energéticos específicos. A transformação digital dos Georrecursos, portanto, crucial para suprir os desafios da Indústria em consonância com a sustentabilidade, será abordada nesta palestra em diversos aspectos teóricos e práticos.

• Gláucia Cuchierato (GeoAnsata)

A assertividade das decisões tomadas na indústria mineral depende diretamente da qualidade e da confiabilidade dos dados utilizados e disponibilizados para sua análise. Para o pleno uso dos dados nas grandiosas potencialidades digitais destes tempos em transformação, faz-se vital garantir o correto posicionamento de amostras, associado à eficiência nas etapas de coleta, preparação e análise, em depósitos de baixos teores ou alta variabilidade geológica. A metodologia GDQM (GeoData Quality Management), desenvolvida por Cuchierato (2022) detalha o processo de validação do acervo e as técnicas de revisão do workflow, com mecanismos atribuição de confiança aos dados geoespacializados de projetos e operações mineiras.

• Marco Antônio Couto Júnior (UBC/VALE)

In this talk I will present a data-driven predictive modeling approach for Li-mineralized pegmatite occurrence in the region of the Volta Grande Mine, MG, Brazil. The analysis was conducted through the integration of airborne geophysical (magnetics and radiometrics) and remote sensing (spectral data from ASTER mission and digital terrain model Shuttle Radar Topography Mission). These datasets were prepared and pre-processed following its own specific procedures (Fourier filtering, relative element concentration calculations, spectral indexes calculations and Crósta Technique). A robust correlation analysis was conducted to define the selected features for predictions and an AutoML approach was used to define the optimal predictive model. The results recovered a Gradient Boosted Trees model, which predict higher probabilities zones for pegmatites in good agreement with the known structural control of these bodies in the study area. The next steps of this research will focus on model fine tuning and revisiting of training/test data approach.

• Victor Santos (INRS)

Enhancing geological mapping in remote regions is crucial for target delineation and, ultimately, the discovery of new mineral deposits. Deep learning methods enable the integration of satellite, geophysical, and geochemical data, facilitating the mapping of diverse lithologies. This study offers insights into the application of deep learning techniques for generating predictive lithological maps in Northern Canada. By harnessing these advancements, we enhance our ability to identify prospective areas and optimize exploration efforts in challenging or inaccessible regions.

Cronograma de Palestras

Sessão de trabalhos e encerramento (tarde de 22 de Março) - INSCRIÇÕES ENCERRADAS

Na tarde do dia 22, teremos uma sessão de networking e apresentação de pôsteres para troca de ideias e fortalecimento de possíveis parcerias. 

Serão aceitos trabalhos que relatem pesquisas relacionadas ao tema do Workshop, independente do estágio de desenvolvimento. Podem se inscrever profissionais, grupos de pesquisa, alunos de graduação e pós-graduação.

O template para design do poster fica disponível neste link.

Trabalhos Aprovados (Link para os Resumos):

Multi-Scale Super-Resolution Deep Learning Models for Fine-Grained Rocks. Gabriel Monaco, Guilherme Hoerlle. Universidade Federal do Rio Grande do Sul.

Application of Machine Learning and Statistical Simulation for Strategic Guidance of the Economic Viability of Copper and Zinc Mineral Exploration Projects. Emerson Rocha Pereira; Nicoli Goncalves Franca. Nexa Resources.

IoT Triaxial Sensors for Monitoring and Predictive Maintenance of Vibrating Sieves. Manuel Corrêa, Cauê Somensi, Rogerio Mendes, Gerson Cardoso. adamaNT e Anglo American.

Identification of Illegal Mining Using Google Earth Engine in The Aripuanã and Tapajós Projects. José Gabriel Araújo Alves, Glauco Frederico De Almeida, Nicoli Gonçalves França, Felipe Romeo De Almeida Santoro, Emerson Rocha Pereira, Benjamin Josue Zerpa Molina. Nexa Resources.

Da Terra ao Código: Integrando Dados Geológicos com Inteligência Computacional. Gabriel Góes Rocha de Lima. Universidade de São Paulo.

Machine Learning Techniques for Mineral Occurrence Detection Using Geophysical Data from Potential Methods and Gamma Spectrometry in the Carajás Mineral Province, Pará. Ana Naujokat Tavares, Ítalo Gomes Gonçalves. Universidade Federal do Pampa (Unipampa).

Elements Potential Evaluation Based on Machine Learning and Open Geochemical Data. Guilherme de Aquino Fernandes Sousa, Camila Duelis Viana. Universidade de São Paulo.

Hybrid Signature Scanner: A Cyber-Physical Device for Multispectral Digitization and AI-Inferred Digital Twin Generation of Drilling Cores. Cauê Stocchi Somensi, Alexandre Muselli Barbosa, Manuel Corrêa. Geospace Digital Engineering.

Integration of Multi-Source Data in the Evaluation of Mineral Resources with Artificial Intelligence: A Literature Review. Gustavo Bortolan, Denise Alves. Universidade de São Paulo.

Haverá também uma Apresentação do Economic Geology Student Chapter (SEG)

Em caso de aceite, a impressão do pôster poderá será providenciada pelo IGc-USP.  

---

Comitê de organização

Prof. Dr. Vinicius Louro (IGc-USP)

Profa. Dra. Camila Viana (IGc-USP)

Prof. Erwan Gloaguen (INRS-ETE)

Doutorando Victor S. Santos (INRS & NRCan)