Connect with us

Geología

Depósitos de cobre sin explotar pueden ser identificados con circón

Investigación reciente propone nuevo método para identificarlos.

Publicado

-

De acuerdo con una reciente investigación, la identificación de depósitos de minerales valiosos, como el cobre, crucial para la transición energética, puede realizarse con ayuda del circón.

Así lo señala un grupo de investigadores del Imperial College London, en un artículo publicado en el Journal of Geophysical Research: Solid Earth.

El equipo, que lidera Chetan Nathwani, explica que los circones son minerales comunes y resistentes; los cuales se pueden encontrar en rocas de hasta 4 mil millones de años. De hecho, su estructura y textura pueden reflejar las condiciones en las que se formaron; por lo que se ganó la reputación de cápsulas del tiempo de la naturaleza.

Tomando este conocimiento como punto de partida, Nathwani y su equipo decidieron comprobar si podían extraer texturas de circón para identificar depósitos de minerales como el cobre.

Para ello, desarrollaron un método que les permite distinguir diferencias mínimas entre los granos de circón; ya sea de aquellos formados en rocas asociadas con cobre, como de aquellos formados en rocas graníticas.

Entonces, con este método, los científicos podrían buscar depósitos minerales y sondear los orígenes de diferentes sedimentos.

Herramientas que ayudan en la identificación de depósitos de cobre

Cabe señalar que los investigadores utilizaron una herramienta de aprendizaje automático llamada red neuronal convolucional (CNN, por sus siglas en inglés), especializado en el análisis de imágenes.

Este sistema se puso a prueba con muestras recolectadas al sur de Perú; una zona con gran potencial de depósitos de cobre. Así, descubrieron que la CNN podía identificar formas y texturas únicas de los circones que se encuentran cerca de los depósitos cupríferos.

Asimismo, permitió distinguir circones asociados con cobre de los que se encuentran en otros tipos de roca en la región; logrando una tasa de éxito del 85%.

Finalmente, el estudio sugiere combinar el aprendizaje automático con técnicas más tradicionales; ya que, de ese modo, se puede facilitar la exploración e identificación de depósitos de cobre.