Blog – Analysis and expert opinion 5 MIN. READ SHARE Resultados del Proyecto GEMA – Generación de Mapas de alta resolución e Interpretación Avanzada de datos geológicos mediante Inteligencia Artificial A lo largo de sus 18 meses de ejecución (agosto 2023 – febrero 2025), el proyecto GEMA ha logrado avances significativos en la integración de inteligencia artificial aplicada a la geofísica, alcanzando hitos técnicos que aportan valor tanto a la investigación como a la exploración aplicada. Desarrollo de una base de datos internacional Como punto de partida, se construyó una base de datos geofísica de alcance internacional, que integra información radiométrica, magnética, hiperespectral, imágenes satelitales y modelos digitales del terreno. Esta recopilación de datos, obtenida en distintas geografías y bajo diversas condiciones operativas, ha permitido disponer de un repositorio robusto para entrenamiento y validación de modelos de inteligencia artificial, asegurando la capacidad de generalización de las soluciones desarrolladas. Metodologías avanzadas de procesamiento El proyecto ha establecido un pipeline reproducible de procesamiento y normalización de datos, incluyendo la homogeneización de sistemas de referencia espacial (CRS) y la corrección de artefactos comunes en datos magnéticos. Estas metodologías han reducido de manera sustancial los tiempos de preparación de datos, mejorando la calidad y trazabilidad de la información usada en la modelización. Modelos de inteligencia artificial desarrollados Corrección de artefactos magnéticos (Levelling): se implementó un enfoque basado en modelos bayesianos y en interpolación espacial, dando lugar a un algoritmo capaz de reducir significativamente la necesidad de ajustes manuales. Esta herramienta, desplegada además como plugin, ha demostrado su utilidad para homogeneizar vuelos aerogeofísicos de manera más rápida y consistente. Segmentación automática de lineamientos: se entrenaron redes neuronales convolucionales (CNN, arquitectura U-Net) para la detección y trazado de estructuras geológicas en mapas magnéticos. Los resultados alcanzaron valores de precisión elevados (con un coeficiente Dice cercano a 0,8 en los conjuntos de entrenamiento), lo que demuestra la capacidad de estas técnicas para automatizar tareas que tradicionalmente requerían meses de interpretación manual. Predicción geomagnética para perforación direccional (IFR2): se desarrolló un modelo espacio-temporal (INLA-SPDE) capaz de predecir con alta resolución las variaciones del campo magnético en zonas de perforación. Esto ha permitido optimizar la orientación de pozos y reducir los errores de trayectoria, validándose incluso frente a eventos geomagnéticos específicos registrados durante la campaña de validación. Validación y resultados cuantitativos Los avances se han contrastado mediante procesos de validación rigurosos: Los algoritmos de levelling se compararon frente a datos de vuelos corregidos manualmente, mostrando una alta consistencia espacial y una mejora en los coeficientes de correlación (R²). Los modelos de lineamientos fueron evaluados con métricas estándar (precisión, recall, F1 y Dice), confirmando su capacidad para generalizar en regiones no incluidas en el entrenamiento. El modelo de predicción geomagnética fue validado mediante la comparación minuto a minuto de los componentes Fx, Fy y Fz frente a estaciones independientes, alcanzando bajos errores medios absolutos (MAE) y anticipando con éxito episodios de variabilidad magnética. Alcance geográfico de validación Las metodologías fueron probadas en distintos escenarios geológicos internacionales, lo que refuerza su versatilidad. Entre las zonas piloto destacan: África: Uganda, República Democrática del Congo (Katanga), Nigeria. Europa: Francia, Finlandia y Rusia. Asia: Kazajistán, Mongolia y Turquía. América del Norte: Canadá. Este alcance geográfico evidencia la ambición global del proyecto y garantiza que las herramientas desarrolladas sean aplicables en diferentes contextos geológicos. El proyecto GEMA cuenta con un presupuesto total de 1.418.908 €, de los cuales 1.206.071,80 € corresponden a la ayuda de la Unión Europea (Subvención Bruta Equivalente). Este apoyo ha sido fundamental para el desarrollo de soluciones innovadoras en inteligencia artificial y su aplicación a la exploración geofísica. < SEE PREVIOUS NEW SEE NEXT NEW > < > Related news Blog – Analysis and expert opinion GEMA – Génération de Cartes à Haute Résolution et Interprétation Avancée de Données Géologiques grâce à l’Intelligence Artificielle VOIR PLUS> Blog – Analysis and expert opinion Conference on financing for development VOIR PLUS> Blog – Analysis and expert opinion The demand for critical minerals is expected to quadruple by 2040 VOIR PLUS> Blog – Analysis and expert opinion GEMA – Geração de Mapas de Alta Resolução e Interpretação Avançada de Dados Geológicos mediante Inteligência Artificial VOIR PLUS> Blog – Analysis and expert opinion GEMA – Integration of Artificial Intelligence in Geophysical Data Interpretation VOIR PLUS> Blog – Analysis and expert opinion Startup Of The Week: Xcalibur Smart Mapping VOIR PLUS> Blog – Analysis and expert opinion Low-Level Flights to Image Geology Over Parts of Louisiana, Mississippi, and Illinois | U.S. Geological Survey VOIR PLUS> Blog – Analysis and expert opinion Reducing CO2 emissions from deforestation and forest degradation: understanding REDD+ VOIR PLUS> Announcements Blog – Analysis and expert opinion The power of remote sensing in monitoring land use changes VOIR PLUS> Contact us. FILL THE FORM
SHARE Resultados del Proyecto GEMA – Generación de Mapas de alta resolución e Interpretación Avanzada de datos geológicos mediante Inteligencia Artificial A lo largo de sus 18 meses de ejecución (agosto 2023 – febrero 2025), el proyecto GEMA ha logrado avances significativos en la integración de inteligencia artificial aplicada a la geofísica, alcanzando hitos técnicos que aportan valor tanto a la investigación como a la exploración aplicada. Desarrollo de una base de datos internacional Como punto de partida, se construyó una base de datos geofísica de alcance internacional, que integra información radiométrica, magnética, hiperespectral, imágenes satelitales y modelos digitales del terreno. Esta recopilación de datos, obtenida en distintas geografías y bajo diversas condiciones operativas, ha permitido disponer de un repositorio robusto para entrenamiento y validación de modelos de inteligencia artificial, asegurando la capacidad de generalización de las soluciones desarrolladas. Metodologías avanzadas de procesamiento El proyecto ha establecido un pipeline reproducible de procesamiento y normalización de datos, incluyendo la homogeneización de sistemas de referencia espacial (CRS) y la corrección de artefactos comunes en datos magnéticos. Estas metodologías han reducido de manera sustancial los tiempos de preparación de datos, mejorando la calidad y trazabilidad de la información usada en la modelización. Modelos de inteligencia artificial desarrollados Corrección de artefactos magnéticos (Levelling): se implementó un enfoque basado en modelos bayesianos y en interpolación espacial, dando lugar a un algoritmo capaz de reducir significativamente la necesidad de ajustes manuales. Esta herramienta, desplegada además como plugin, ha demostrado su utilidad para homogeneizar vuelos aerogeofísicos de manera más rápida y consistente. Segmentación automática de lineamientos: se entrenaron redes neuronales convolucionales (CNN, arquitectura U-Net) para la detección y trazado de estructuras geológicas en mapas magnéticos. Los resultados alcanzaron valores de precisión elevados (con un coeficiente Dice cercano a 0,8 en los conjuntos de entrenamiento), lo que demuestra la capacidad de estas técnicas para automatizar tareas que tradicionalmente requerían meses de interpretación manual. Predicción geomagnética para perforación direccional (IFR2): se desarrolló un modelo espacio-temporal (INLA-SPDE) capaz de predecir con alta resolución las variaciones del campo magnético en zonas de perforación. Esto ha permitido optimizar la orientación de pozos y reducir los errores de trayectoria, validándose incluso frente a eventos geomagnéticos específicos registrados durante la campaña de validación. Validación y resultados cuantitativos Los avances se han contrastado mediante procesos de validación rigurosos: Los algoritmos de levelling se compararon frente a datos de vuelos corregidos manualmente, mostrando una alta consistencia espacial y una mejora en los coeficientes de correlación (R²). Los modelos de lineamientos fueron evaluados con métricas estándar (precisión, recall, F1 y Dice), confirmando su capacidad para generalizar en regiones no incluidas en el entrenamiento. El modelo de predicción geomagnética fue validado mediante la comparación minuto a minuto de los componentes Fx, Fy y Fz frente a estaciones independientes, alcanzando bajos errores medios absolutos (MAE) y anticipando con éxito episodios de variabilidad magnética. Alcance geográfico de validación Las metodologías fueron probadas en distintos escenarios geológicos internacionales, lo que refuerza su versatilidad. Entre las zonas piloto destacan: África: Uganda, República Democrática del Congo (Katanga), Nigeria. Europa: Francia, Finlandia y Rusia. Asia: Kazajistán, Mongolia y Turquía. América del Norte: Canadá. Este alcance geográfico evidencia la ambición global del proyecto y garantiza que las herramientas desarrolladas sean aplicables en diferentes contextos geológicos. El proyecto GEMA cuenta con un presupuesto total de 1.418.908 €, de los cuales 1.206.071,80 € corresponden a la ayuda de la Unión Europea (Subvención Bruta Equivalente). Este apoyo ha sido fundamental para el desarrollo de soluciones innovadoras en inteligencia artificial y su aplicación a la exploración geofísica.
Resultados del Proyecto GEMA – Generación de Mapas de alta resolución e Interpretación Avanzada de datos geológicos mediante Inteligencia Artificial A lo largo de sus 18 meses de ejecución (agosto 2023 – febrero 2025), el proyecto GEMA ha logrado avances significativos en la integración de inteligencia artificial aplicada a la geofísica, alcanzando hitos técnicos que aportan valor tanto a la investigación como a la exploración aplicada. Desarrollo de una base de datos internacional Como punto de partida, se construyó una base de datos geofísica de alcance internacional, que integra información radiométrica, magnética, hiperespectral, imágenes satelitales y modelos digitales del terreno. Esta recopilación de datos, obtenida en distintas geografías y bajo diversas condiciones operativas, ha permitido disponer de un repositorio robusto para entrenamiento y validación de modelos de inteligencia artificial, asegurando la capacidad de generalización de las soluciones desarrolladas. Metodologías avanzadas de procesamiento El proyecto ha establecido un pipeline reproducible de procesamiento y normalización de datos, incluyendo la homogeneización de sistemas de referencia espacial (CRS) y la corrección de artefactos comunes en datos magnéticos. Estas metodologías han reducido de manera sustancial los tiempos de preparación de datos, mejorando la calidad y trazabilidad de la información usada en la modelización. Modelos de inteligencia artificial desarrollados Corrección de artefactos magnéticos (Levelling): se implementó un enfoque basado en modelos bayesianos y en interpolación espacial, dando lugar a un algoritmo capaz de reducir significativamente la necesidad de ajustes manuales. Esta herramienta, desplegada además como plugin, ha demostrado su utilidad para homogeneizar vuelos aerogeofísicos de manera más rápida y consistente. Segmentación automática de lineamientos: se entrenaron redes neuronales convolucionales (CNN, arquitectura U-Net) para la detección y trazado de estructuras geológicas en mapas magnéticos. Los resultados alcanzaron valores de precisión elevados (con un coeficiente Dice cercano a 0,8 en los conjuntos de entrenamiento), lo que demuestra la capacidad de estas técnicas para automatizar tareas que tradicionalmente requerían meses de interpretación manual. Predicción geomagnética para perforación direccional (IFR2): se desarrolló un modelo espacio-temporal (INLA-SPDE) capaz de predecir con alta resolución las variaciones del campo magnético en zonas de perforación. Esto ha permitido optimizar la orientación de pozos y reducir los errores de trayectoria, validándose incluso frente a eventos geomagnéticos específicos registrados durante la campaña de validación. Validación y resultados cuantitativos Los avances se han contrastado mediante procesos de validación rigurosos: Los algoritmos de levelling se compararon frente a datos de vuelos corregidos manualmente, mostrando una alta consistencia espacial y una mejora en los coeficientes de correlación (R²). Los modelos de lineamientos fueron evaluados con métricas estándar (precisión, recall, F1 y Dice), confirmando su capacidad para generalizar en regiones no incluidas en el entrenamiento. El modelo de predicción geomagnética fue validado mediante la comparación minuto a minuto de los componentes Fx, Fy y Fz frente a estaciones independientes, alcanzando bajos errores medios absolutos (MAE) y anticipando con éxito episodios de variabilidad magnética. Alcance geográfico de validación Las metodologías fueron probadas en distintos escenarios geológicos internacionales, lo que refuerza su versatilidad. Entre las zonas piloto destacan: África: Uganda, República Democrática del Congo (Katanga), Nigeria. Europa: Francia, Finlandia y Rusia. Asia: Kazajistán, Mongolia y Turquía. América del Norte: Canadá. Este alcance geográfico evidencia la ambición global del proyecto y garantiza que las herramientas desarrolladas sean aplicables en diferentes contextos geológicos. El proyecto GEMA cuenta con un presupuesto total de 1.418.908 €, de los cuales 1.206.071,80 € corresponden a la ayuda de la Unión Europea (Subvención Bruta Equivalente). Este apoyo ha sido fundamental para el desarrollo de soluciones innovadoras en inteligencia artificial y su aplicación a la exploración geofísica.