به گزارش چاینادیلی، در «همایش هوش مصنوعی و ارزیابی و اکتشاف منابع معدنی راهبردی» که اخیراً در پکن و در چارچوب بیستوهشتمین کنفرانس سالانه انجمن علوم و فناوری چین برگزار شد، فعالان صنعت مجموعهای از فناوریهای مبتنی بر هوش مصنوعی را معرفی کردند؛ از جمله دکلهای حفاری خودکار، پهپادهای سنگین، رباتهای نقشهبرداری زمینشناسی و مدلهای یادگیری عمیق برای پیشبینی ذخایر معدنی.
با وجود مصرف بسیار بالای منابع معدنی در چین، ذخایر اثباتشده این کشور تنها بخش کوچکی از ذخایر جهانی را تشکیل میدهد. دستکم ۱۲ ماده معدنی راهبردی از جمله آهن، مس، نیکل، کبالت و لیتیوم، وابستگی بالایی به واردات دارند.
زغالسنگ تنها استثنا در این زمینه است؛ وضعیتی که تا حدی به پیشرفت سریع فناوریهای معدنکاری هوشمند نسبت داده میشود.
چین تاکنون یکهزار و ۶۶ معدن زغالسنگ هوشمند احداث کرده است و اکنون استانهای شانشی و شاآنشی و همچنین مناطق خودمختار مغولستان داخلی و سینکیانگ بیش از ۸۰ درصد تولید زغالسنگ کشور را از طریق این معادن تأمین میکنند.
توسعه سنتی معادن بر مسیر خطی متکی بر ذخایر منابع، سرمایهگذاری و گسترش مقیاس استوار بود، اما آینده باید بر پایه مدلی نمایی مبتنی بر داده، انباشت دانش و تکرار الگوریتمها شکل بگیرد.
علاوه بر زغالسنگ، روند هوشمندسازی معادن به استخراج ذخایر فلزی عمیق نیز گسترش یافته است؛ ذخایری که برای تولید خودروهای انرژی نو، تجهیزات الکترونیکی پیشرفته و صنایع دفاعی اهمیت حیاتی دارند.
چین از منابع فراوان فلزات در اعماق زمین برخوردار است و اکنون بیش از ۱۱۰ معدن فلزی در عمق بیش از یکهزار متر فعالیت میکنند. در چنین اعماقی، دماهای بسیار بالا، فشار شدید زمین و شرایط خورنده باعث شدهاند روشهای سنتی طراحی معادن دیگر کارایی نداشته باشند.
تیم تحقیقاتی چین فناوریهای پیشرفتهای برای کنترل فشار زمین توسعه داده که مهمترین آن روش کنترل پیشدستانه سقف معدن با استفاده از حفاری بادبزنی رو به پایین است. این فناوری حجم عملیات توسعه و حفاری را ۴۰ درصد کاهش داده و نرخ بازیابی ماده معدنی را به بیش از ۹۵ درصد رسانده است؛ در حالی که همزمان بهرهوری افزایش یافته و ایمنی حفظ شده است.
سونگ مینگچون، استاد دانشگاه علوم زمین هبی، نیز نتایج مطالعات انجامشده در منطقه معدنی طلای جیائودونگ در استان شاندونگ را ارائه کرد؛ منطقهای که با حدود ۶ هزار تن ذخیره اثباتشده، بزرگترین تمرکز ذخایر طلا در چین و معادل حدود یکسوم کل ذخایر طلای کشور به شمار میرود.
تیم او با استفاده از مدلسازی سهبعدی زمینشناسی، الگوی پلکانی تشکیل ذخایر طلا را شناسایی کرد؛ الگویی که نشان میدهد ذخایر عمدتاً در محل تغییرات ساختاری گسلها متمرکز هستند. این مدل به کشف ذخایر جدید در اعماق بیشتر کمک کرده و بر اساس آن پیشبینی میشود مجموع منابع طلای این منطقه از ۱۰ هزار تن فراتر رود.
وانگ لیگوان، استاد دانشگاه سنترال ساوث در چانگشا، نیز گفت تیم او سامانهای دیجیتال برای ثبت اطلاعات زمینشناسی طراحی کرده که بیش از ۳۲۰ قاعده اعتبارسنجی داخلی دارد تا از همان مرحله جمعآوری دادههای میدانی، صحت و کیفیت اطلاعات تضمین شود.
او تأکید کرد: «اگر دادهها واقعی و قابل اعتماد نباشند، هوش مصنوعی فقط حرفهای بیاساس خواهد زد.»
وانگ گونگون، استاد دانشگاه علوم زمین چین (پکن)، نیز خواستار تدوین استانداردهای میانرشتهای قویتر شد و گفت اصطلاحات زمینشناسی و مفاهیم مهندسی معدن اغلب به قالبهایی که برای سامانههای هوش مصنوعی قابل استفاده باشند، تبدیل نمیشوند.
وی افزود: «کاربرد صنعتی هوش مصنوعی مسیر آینده است. مهمترین مسئله، افزایش کیفیت و بهرهوری است. در عین حال، کارایی هوش مصنوعی میتواند محدودیتهای شناختی انسان را جبران کند.»
منبع: chinadaily
