طراحی سکوی هوشمند اکتشاف مواد معدنی مبتنی بر هوش مصنوعی

‌می‌متالز - محقق پسادکتری دانشگاه امیرکبیر، یک سکوی هوشمند مبتنی بر هوش مصنوعی برای ظرفیت یابی کانی‌سازی و تعیین اهداف اکتشافی توسعه داده است که می‌تواند به کاهش زمان، هزینه و خطر اکتشاف مواد معدنی و تسهیل تصمیم‌گیری در این حوزه کمک کند.

به گزارش می‌متالز، سوران قادری، پژوهشگر حوزه اکتشاف مواد معدنی، نرم‌افزاری را با عنوان «سامانه هوشمند پتانسیل‌یابی کانی‌سازی و تعیین اهداف اکتشافی مبتنی بر هوش مصنوعی برای اکتشاف مواد معدنی» توسعه داده است.

قادری با اشاره به اهمیت اکتشاف ذخایر معدنی اظهار کرد: اکتشاف مواد معدنی از پرهزینه‌ترین و پرریسک‌ترین مراحل صنعت معدن به شمار می‌رود و موفقیت در آن به تحلیل هم‌زمان حجم گسترده‌ای از داده‌های زمین‌شناسی، ژئوشیمی، ژئوفیزیک و سنجش از دور وابسته است. با وجود پیشرفت‌های چشمگیر هوش مصنوعی در سال‌های اخیر، بهره‌گیری عملی از این فناوری در اکتشاف مواد معدنی همچنان برای بسیاری از متخصصان دشوار است؛ زیرا اجرای مدل‌ها معمولاً به دانش برنامه‌نویسی و کار با ابزار‌های تخصصی نیاز دارد.

وی افزود: ایده اصلی این پروژه از این چالش شکل گرفت که چگونه می‌توان نتایج سال‌ها پژوهش علمی و الگوریتم‌های پیشرفته هوش مصنوعی را به ابزاری کاربردی و قابل استفاده برای متخصصان اکتشاف تبدیل کرد تا بدون نیاز به برنامه‌نویسی، از ظرفیت این فناوری در پروژه‌های خود بهره ببرند.

این پژوهشگر ادامه داد: بر این اساس، نرم‌افزاری با نام HarmanAI-MPM به‌صورت مستقل طراحی و توسعه داده شد که با دریافت لایه‌های اطلاعاتی رستری و مختصات ذخایر شناخته‌شده، فرآیند تحلیل و پیش‌بینی را در یک محیط گرافیکی ساده انجام می‌دهد و علاوه بر تولید نقشه احتمال کانی‌سازی، مناطق امیدبخش و اهداف پیشنهادی برای مراحل بعدی اکتشاف را ارائه می‌کند.

قادری هدف از توسعه این سامانه را تسریع فرآیند تصمیم‌گیری، کمک به کاهش هزینه‌ها و ریسک اکتشاف و تبدیل دستاورد‌های پژوهشی به فناوری قابل استفاده در صنعت معدن عنوان کرد و گفت: در این نرم‌افزار، روش‌های یادگیری ماشین که پیش‌تر عمدتاً در مقالات علمی مطرح می‌شدند، در قالب یک ابزار کاربردی برای کارشناسان اکتشاف ارائه شده‌اند.

وی از کاهش زمان تحلیل داده‌ها، تسهیل ارزیابی مناطق امیدبخش، کاهش وابستگی به برنامه‌نویسی تخصصی و کمک به تصمیم‌گیری در مراحل اولیه اکتشاف به‌عنوان مهم‌ترین دستاورد‌های این پروژه یاد کرد.

قادری درباره روند توسعه این نرم‌افزار توضیح داد: این پروژه با مطالعه پژوهش‌های روز دنیا در زمینه کاربرد هوش مصنوعی و یادگیری ماشین در اکتشاف مواد معدنی آغاز شد. سپس نتایج چندین سال فعالیت پژوهشی و مقالات علمی مرتبط با پتانسیل‌یابی کانی‌سازی بررسی شد تا نقاط قوت و محدودیت‌های روش‌های موجود شناسایی شود. در ادامه، الگوریتم‌های مختلف در قالب یک محیط گرافیکی ساده پیاده‌سازی شدند تا کاربران بتوانند با وارد کردن لایه‌های اطلاعاتی و موقعیت ذخایر شناخته‌شده، پردازش هوشمند را اجرا و خروجی‌های مورد نیاز را دریافت کنند.

وی افزود: این نرم‌افزار بر روی داده‌های واقعی معدنی آزمایش و اعتبارسنجی شده و قابلیت استفاده عملی آن نیز مورد ارزیابی قرار گرفته است.

این محقق پسادکتری دانشگاه صنعتی امیرکبیر، بزرگ‌ترین چالش این پروژه را تبدیل الگوریتم‌های پیچیده هوش مصنوعی به یک نرم‌افزار ساده، پایدار و کاربرپسند دانست و گفت: هدف این بود که متخصصان معدن، حتی بدون داشتن دانش برنامه‌نویسی، بتوانند از این سامانه استفاده کنند.

وی درباره کاربرد‌های این فناوری اظهار کرد: این نرم‌افزار در صنایع اکتشاف مواد معدنی، شرکت‌های مشاور معدنی، سازمان‌های زمین‌شناسی، مراکز پژوهشی، دانشگاه‌ها و شرکت‌های دانش‌بنیان فعال در حوزه معدن قابل استفاده است و همچنین می‌تواند به‌عنوان ابزاری آموزشی برای آموزش کاربرد هوش مصنوعی در مهندسی معدن به کار رود.

قادری با اشاره به برنامه‌های آتی گفت: در نسخه‌های آینده، قابلیت‌های بیشتری به این نرم‌افزار افزوده خواهد شد. توسعه نسخه‌های صنعتی، تجاری و بین‌المللی، افزودن الگوریتم‌های جدید هوش مصنوعی و ایجاد بستری جامع‌تر برای تحلیل و تصمیم‌گیری هوشمند در پروژه‌های اکتشاف مواد معدنی از جمله برنامه‌های پیش‌بینی‌شده برای ادامه این مسیر است.

وی درباره ویژگی‌های این نرم‌افزار گفت: این سامانه امکان دریافت مستقیم لایه‌های اطلاعاتی رستری و مختصات ذخایر شناخته‌شده را فراهم می‌کند و کاربران می‌توانند در یک محیط کاربرپسند، مدل‌های هوش مصنوعی را اجرا کنند. تولید نقشه احتمال کانی‌سازی، تعیین اهداف اکتشافی، ارائه شاخص ها‌ی ارزیابی عملکرد و همچنین تولید گزارش‌های خودکار از دیگر قابلیت‌های این نرم‌افزار است.

وی افزود: وجه تمایز این نرم‌افزار، یکپارچه‌سازی فرآیند دریافت داده، مدل‌سازی هوشمند، تولید نقشه احتمال کانی‌سازی، تعیین اهداف اکتشافی و ارائه گزارش عملکرد در قالب یک محیط کاربرپسند و بدون نیاز به برنامه‌نویسی است. این سامانه بر اساس نیاز‌های واقعی اکتشاف معدنی و تجربیات پژوهشی توسعه یافته است.

همچنین دکتر سوران قادری در سال ۱۴۰۴ به عنوان دانش‌آموخته برتر دکتری کشور در رشته مهندسی اکتشاف معدن از سوی انجمن زمین‌شناسی اقتصادی ایران انتخاب شد. وی همچنین به دلیل ارائه ایده‌ای نوآورانه در حوزه کاربرد هوش مصنوعی در اکتشاف مواد معدنی، موفق به کسب عنوان «ایده شایسته تقدیر» در نهمین جشنواره اندیشمندان و دانشمندان جوان شد.

این دستاوردها، در کنار توسعه سامانه HarmanAI-MPM، بیانگر تلاش برای پیوند دادن پژوهش‌های دانشگاهی با نیاز‌های صنعت معدن و بهره‌گیری از فناوری‌های نوین برای افزایش سرعت، دقت و کارایی فرایند اکتشاف مواد معدنی است.