人工智能在可持续和负责任的稀土元素勘探中的应用

考虑净零目标稀土元素(ree)正成为继自然资源丰富的太阳能、风能、地热能和潮汐能之后的主要可再生能源。稀土元素，包括镧系元素和钇，是关键元素和有价值的商品，因为它们的供应量有限，在大量消耗品和工业应用中需求很高，特别是在高科技产品中，如永磁体、电池、催化剂、计算机内存和照明等等。

稀土元素高度分散且浓度较低，在经济上无法开采。对环境有害的开采过程以及对土地使用的竞争进一步限制了它们的供应。因此，地质学家们正在寻找稀土元素提取的替代来源，通常是从砂矿或循环利用中提取，以满足对自然资源的优化和精确勘探，而不产生任何过量负担。

全球REE用例和当前状态

稀土元素是一组17种金属元素，是许多高科技消费品和军事应用的重要组成部分。近年来，稀土在产品中的使用变得越来越重要，据估计，它们是200多种产品的必要组成部分。稀土元素最重要的应用领域是消费电子产品，如手机、电脑硬盘、平板显示器和电视。稀土在这些产品中被用于各种用途，包括磁铁、荧光粉和催化剂。例如，由稀土制成的磁铁在台式电脑和笔记本电脑的马达和声音线圈中是必不可少的。除了消费电子产品，稀土也是汽车行业的关键部件，尤其是电动汽车和混合动力汽车。电机中使用的永磁体含有大量的稀土元素，这使得它们对于这些车辆的有效运行至关重要。

ree的重要国防应用包括电子显示、制导系统、激光、雷达和声纳系统。稀土元素在生产高性能磁铁和开发能够承受极端条件的材料方面尤为重要。

截至2022年，各国稀土产量分布情况

根据一份发表于Statista截至2022年，中国稀土产量占全球稀土开采总产量的三分之二以上。美国在当年全球稀土产量中所占份额为14.33%，远远排在第二位。尽管稀土元素可能只占产品重量、价值或体积的一小部分，但它们通常是设备正常运行所必需的。如果没有稀土元素，我们所依赖的许多日常产品将无法发挥作用，尖端技术和国防系统的发展将受到严重限制。然而，尽管稀土很重要，但稀土的生产集中在少数几个国家，人们对稀土的可持续性和地缘政治影响感到担忧。

矿产勘查中的人工智能

来自不同来源的大量数据——地球物理、地球化学、地质、地貌、水文——和区域结构被收集和处理，往往没有任何重要的矿物发现或由于资源等级低而被废弃。随着业界采用开放数据计划，以及在计算机视觉和预测分析的辅助下收集地球观测(光学、雷达、高光谱、重力、航磁和辐射测量)等庞大数据集的新兴技术，构建空间决策支持系统变得更加容易。这有助于定位和划定潜在的矿产资源或优化业务流程，并在支持可持续发展目标的同时，有效地提高了收入，减少了停机时间，减少了安全隐患。

基于人工智能的矿产勘探算法已经出现，用于在绿地地点识别矿床，无人机正在用于自主钻井，以最大限度地降低成本。3D地图已经开发出来，用于更复杂和大型勘探地点的可视化测绘。基于云的图像分析可以对卫星图像进行分类和分割，并结合增强分析，为地质学家提供有效的大面积推断结果，提高了发现率，加快了勘探生命周期。

岩石化学，以及来自高光谱数据的岩石、矿物和土壤的光谱特征，以及其他地质和地貌参数，正被用于训练模型，使用人工神经网络、实验设计、支持向量机、逻辑回归以及贝叶斯、模糊和Dempster-Shaffer理论之外的其他分类和回归模型，以定位潜在的矿床。虽然卷积神经网络(CNN)和深度强化学习用于多目标优化，从庞大、多样化和不同的数据集的综合地理空间分析中提取知识，在文献中表现良好，但它们尚未在商业解决方案中得到验证。

最近的文献表明，利用卷积神经网络从三维地质模型中获取三维矿物透视有助于精确估计稀土元素。此外，机器学习技术，如全连接神经网络(FCNN)，已经试图识别正确的配体，以分离这些相互堆叠的微量元素。在商业上，人工智能已被应用于储存、矿体采场体积估计、矿井优化等方面，并取得了合理的效果。

稀土资源和可持续发展大趋势

ree是数字基础设施不可或缺的组成部分，是大多数高科技产品的一部分，从手机、电动和混合动力汽车到电子显示器和导航系统。同时，它们也是一种新的可再生能源。利用技术颠覆者(ai /ML、工业物联网、空间技术和元宇宙)对稀土元素进行精确探索，可能有助于支持可持续采矿。根据我们为绿色未来开发可持续和智能解决方案的愿景，探索和利用REE能力将帮助企业更接近其可持续发展目标。

作者简介

Nihar R Sahoo拥有地球科学博士学位，专攻地理信息系统、遥感和应用统计学。他拥有超过23年的行业经验。他感兴趣的领域是利用地球观测数据构建地理空间机器学习解决方案的端到端开发、部署和运营。