Mostrando 1 - 13 Resultados de 13 Para Buscar 'Gómez Cahuaya, Elmer Hugo', tiempo de consulta: 0.02s Limitar resultados
2
objeto de conferencia
Aplicación del enfoque de Sistemas Minerales e Inteligencia Artificial para la predictibilidad de mineralización por elementos críticos
Publicado por
Marchena Campos, Alonso Arturo, Silva Quispe, Magno Francisco, Gómez Cahuaya, Elmer Hugo
Publicado 2025 Enlace
El enfoque por Sistemas Minerales (en adelante, SM) es un enfoque prospectivo de naturaleza deductiva (va de lo general hacia lo particular), el cual centra sus esfuerzos en comprender los procesos críticos que potencialmente formaron depósitos minerales, más que en las firmas o trazas de mineralización per se, es decir, es un enfoque metalogenético. Estas trazas de la existencia de un depósito solo son evidentes cuando el depósito es aflorante y, dado que los depósitos minerales muestran, a nivel mundial, una tendencia a encontrarse a profundidades cada vez mayores, este cambio de enfoque se torna aún más necesario. Los SM son un enfoque relativamente reciente, y la literatura en español no es abundante. La integración de este enfoque con el uso de la inteligencia artificial (IA) permitirá procesar los grandes volúmenes de información obtenidas a partir de los datos y gen...
Agregar a favoritos
Guardado en:
8
objeto de conferencia
Mineral systems approach applied to prospectivity mapping of lithium related to peraluminous magmatism in southern Peru
Publicado por
Marchena Campos, Alonso Arturo, Sempere, Thierry, Torres, Alberto, Gómez Cahuaya, Elmer Hugo, Silva Quispe, Magno Francisco, Valencia Muñoz, Michael Melitón
Publicado 2024 Enlace
We apply the mineral systems (MS) approach to generate lithium (Li) prospectivity maps in southem Peru by integrating geological data using artificial intelligence (Al). Our method identifies critica! processes and key elements for the formation of Li deposits, providing a picture more complete than traditional approaches. The results highlight promising new Li areas in addition to the known mineralized metallogenic belts, promoting broader opportunities. Our method uses random forest algorithms and neural networks, and results in predictive maps. We however highlight the need for improved geological and geochemical data and thus recommend more detailed local research. Our approach provides an effective tool for mineral exploration, highlighting the importance of a comprehensive, systemic approach to mineral resource identification.
Agregar a favoritos
Guardado en: