The Pulse

Fleet afferma che il suo modello Tau ha ridotto l’errore nella stima del tenore di rame in un progetto in Cile

Fleet Space Technologies afferma che il suo modello Tau 3.8 ha stimato il tenore di rame con un errore inferiore del 38% rispetto a un metodo convenzionale nel progetto Valeriano di ATEX Resources. Il modello è stato addestrato su dieci mil

AI.info Team · Scritto con l’IA · verificato · 2026-11-10

Una stima con un errore inferiore

Fleet Space Technologies afferma che il suo modello Tau 3.8 ha stimato il tenore di rame nel progetto cuprifero e aurifero Valeriano di ATEX Resources, in Cile, con un errore inferiore del 38% rispetto a una stima geostatistica convenzionale. Secondo Fleet, il confronto ha utilizzato perforazioni i cui dati non erano stati forniti al modello e una stima tramite kriging basata sulle stesse perforazioni.

Per le perforazioni di estensione più profonde, Fleet ha riferito che l’errore di Tau era inferiore fino al 67%. La stima convenzionale era un esercizio indipendente e non era collegata alla 2025 SRK Mineral Resource Estimate.

Come funziona Tau

Fleet ha dichiarato di aver lanciato Tau 3.8 negli Stati Uniti e in Canada il 10 novembre come modello di IA per i sistemi minerari. Tau è stato addestrato su dieci milioni di mondi geologici sintetici e combina i propri dati sismici 3D con informazioni su perforazioni, geologia, geofisica e mineralogia.

Il modello ricostruisce la geologia del sottosuolo, classifica gli obiettivi per l’espansione delle risorse e individua quale ulteriore misurazione potrebbe ridurre maggiormente l’incertezza. A Valeriano, Tau ha combinato la tomografia del rumore ambientale e le indagini magnetotelluriche con Comet e il machine learning.

Il sistema è pensato per aiutare i team di esplorazione a valutare dove il tenore di rame potrebbe mantenersi e dove invece potrebbe non farlo, e a scegliere gli obiettivi per ulteriori perforazioni. Fleet ha dichiarato che le perforazioni rappresentano generalmente la voce di costo più elevata nell’esplorazione mineraria e che un singolo sondaggio profondo con carotaggio a diamante può costare centinaia di migliaia di dollari.

Geologia simulata, misurazioni reali

Fleet descrive i modelli del mondo come sistemi di IA che apprendono come si comporta il mondo fisico, anziché prevedere la parola successiva. Il suo approccio simula ambienti geologici e modella ciò che i sensori sismici e le perforazioni rileverebbero, così che Tau possa ricostruire la geologia a partire da misurazioni parziali.

Gerrit Olivier, direttore scientifico di Fleet, ha dichiarato che i sistemi minerari sono tridimensionali, si trovano nel sottosuolo e vengono osservati attraverso dati scarsi e costosi da raccogliere. Fleet sostiene che le misurazioni sismiche aiutano a distinguere tra i possibili modelli del sottosuolo, delimitando la profondità, la geometria, l’orientamento e la continuità delle strutture tra i fori di perforazione.

Man mano che arrivano nuove informazioni, Tau aggiorna il quadro del sottosuolo e raccomanda un’altra misurazione, secondo Fleet. L’azienda chiama questo approccio Agentic Geoscience e afferma che è pensato per fornire ai geologi una valutazione quantificata dell’incertezza; Fleet precisa che il modello non esclude il geologo dalla decisione.

Sviluppo e utilizzo

Tau è stato sviluppato da specialisti in sismologia, geologia, geofisica, matematica applicata e machine learning, tra cui geoscienziati con oltre 200 anni di esperienza complessiva maturata in più di 400 programmi. Fleet ha anche dichiarato di lavorare con Nvidia all’infrastruttura di calcolo per futuri modelli del sottosuolo ad alta risoluzione.

Fleet ha dichiarato che la sua tecnologia è utilizzata in progetti dal Pakistan al bacino canadese di Athabasca. Tra i progetti elencati figurano il progetto cuprifero e aurifero Reko Diq di Barrick in Pakistan, il progetto Perch River di Fermi Exploration nel bacino di Athabasca e il progetto cuprifero e aurifero Boda-Kaiser di Alkane Resources nel Nuovo Galles del Sud.