معرفی استارتاپ های برتر هوش مصنوعی که بر اکتشافات معدنی تأثیر می گذارد

تحلیلگران اخیراً به فناوری ها و استارتاپ های نوظهور که بر روی راه حل های هوش مصنوعی کار می کنند، پرداخته اند. از آنجایی که تعداد زیادی استارتاپ روی راه حل های متنوع کار می کنند، ما می خواهیم بینش خود را با شما به اشتراک بگذاریم. در اینجا به معرفی پنج استارتاپ امیدوار کننده هوش مصنوعی در اکتشاف معدن می پردازیم.

:Heat Map پنج استارتاپ برتر هوش مصنوعی

با استفاده از پلتفرم StartUs Insights خود که بیش از 1.116.000 استارتاپ و شرکت نو ظهور را پوشش می دهد، به نوآوری در زمینه اکتشاف معدن نگاه کردیم. برای این تحقیق، ما 88 راه حل مرتبط را شناسایی کردیم و 5 راه حل را برای نمایش در زیر انتخاب کردیم. این شرکت‌ ها بر اساس یک رویکرد استارتاپ مبتنی بر داده ‌محور، با در نظر گرفتن عواملی مانند مکان، سال تأسیس و فناوری از جمله موارد دیگر انتخاب شدند. بسته به معیارهای خاص شما، انتخاب های برتر ممکن است کاملاً متفاوت به نظر برسند.

استارتاپ جهانی Heat Map، پنج استارتاپ و شرکت نو ظهور که راه حل های هوش مصنوعی برای اکتشاف معدن را توسعه می دهند، نشان می دهد. علاوه بر این، Heat Map مناطقی را نشان می‌ دهد که فعالیت راه ‌اندازی بالایی دارند و توزیع جغرافیایی همه 88 شرکتی را که برای این موضوع خاص تجزیه و تحلیل کردیم، نشان می ‌دهد.

1. EARTH AI- هدف گذاری اکتشافی

اکتشاف مواد معدنی شامل نیروی کار قابل توجهی برای جمع آوری نمونه و حفاری اکتشافی است. با پیشرفت تکنولوژی، دکل های حفاری خودکار نیاز به نیروی کار را از بین می برند و بهره وری را بهبود می بخشند. در نتیجه این امر شرکت های نوظهور را به توسعه راه حل های اتوماسیون برای بهبود ایمنی کارگران در عملیات اکتشاف مواد معدنی سوق می دهد.

استارتاپ استرالیایی Earth AI الگوریتم های اکتشاف معدن مبتنی بر هوش مصنوعی را توسعه می دهد. این استارتاپ با کمک تکنیک های یادگیری ماشینی، ذخایر معدنی را در سایت های گرین فیلد شناسایی می کند. علاوه بر این، پهپادها داده ‌های ژئوفیزیکی را جمع‌آوری می‌ کنند که حفاری مستقل را ممکن می‌ سازد، بنابراین هزینه‌ های اکتشاف و حفاری را به حداقل می ‌رساند.

2. Aganitha Cognitive Solutions- مدل سازی برای اکتشاف

شناسایی ذخایر معدنی بالقوه با استفاده از روش های سنتی مستلزم مشاوره با کارشناسان متعدد برای تجزیه و تحلیل داده های جغرافیایی است. علاوه بر این، پیشرفت ‌ها در هوش مصنوعی و یادگیری ماشینی (ML) نیاز نیروی کار برای انجام تجزیه و تحلیل داده‌ های پیچیده را کاهش می‌ دهد و امکان استفاده کارآمد از منابع را فراهم می‌کند. در نتیجه، استارتاپ‌های فناوری معدن مدل‌ های مختلف مبتنی بر هوش مصنوعی را برای بهبود اکتشاف مواد معدنی توسعه می‌ دهند.

استارتاپ هندی Aganitha Cognitive Solutions مدل های اکتشاف معدن مبتنی بر هوش مصنوعی را با ترکیب داده های زمین شناسی، جغرافیایی و ژئوفیزیک ایجاد می کند. علاوه بر این، یادگیری ماشینی استارتاپ را قادر می‌ سازد تا سرنخ‌ های ذخایر معدنی تولید کند و آن ‌ها را قادر می‌ سازد نقاط داغ بالقوه برای اکتشاف را شناسایی کنند.

3. Minerva Intelligence– پلتفرم برای اکتشاف معدن

به طور سنتی، یافتن دقیق ذخایر معدنی معمولاً میزان موفقیت کمی را به همراه دارد. ارتقاها و نوآوری های تکنولوژیکی دسترسی و تجزیه و تحلیل داده های تاریخی را فراهم می کند. هوش مصنوعی و ML نوآوری را با الگوریتم‌ های تحلیلی هدایت می‌ کنند، در حالی که داده ‌های بزرگ داده ‌های در دسترس عموم را در قالب مصرفی جذب می ‌کنند. در نتیجه، سازمان ها برای بهبود میزان موفقیت در تعیین دقیق محل ذخایر معدنی تلاش می کنند.

استارتاپ کانادایی Minerva Intelligence یک پلتفرم هوش مصنوعی به نام TERRA را برای اکتشاف مواد معدنی ارائه می کند. این استارتاپ با ترکیب هوش مصنوعی، مدل‌ های زمین ‌شناسی و داده ‌های اکتشافی، تلاش‌ های اکتشافی را با شناسایی ذخایر معدنی بالقوه بهینه ‌سازی می ‌کند. در نتیجه، TERRA هزینه های عملیاتی را کاهش می دهد و بازده سرمایه گذاری (ROI) را برای شرکت های اکتشاف معدن بهبود می بخشد.

4. OreFox – سیستم‌ هایی برای اکتشاف معدن

پیشرفت در تصویربرداری هوایی، همراه با هواپیماهای بدون سرنشین، نقشه برداری، اکتشاف زمین شناسی و تعیین مناطق هدف مته را بهبود می بخشد. این فناوری‌ های نوظهور استارتاپ ‌ها را قادر می‌ سازند راه‌حل‌ های اکتشافی نوآورانه توسعه دهند و خطراتی مانند مشارکت نیروی انسانی برای دسترسی به زمین ‌های خطرناک و ناپایدار را به حداقل برسانند.

استارتاپ استرالیایی OreFox دو سیستم هوش مصنوعی، Prospector AI و Hunter AI را برای اکتشاف معدن ارائه می دهد. هوش مصنوعی Prospector از الگوریتم‌ های یادگیری عمیق استفاده می‌ کند و داده‌ های ذخایر معدنی موجود را با نمونه مقایسه می ‌کند. Hunter AI از این نتایج استفاده می کند و مدل ها را با استفاده از یادگیری ماشینی برای به دست آوردن یک نمایش تصویری آموزنده از منطقه هدف، اصلاح می کند.

5. Datarock – بینایی ماشین

اکتشاف گرین فیلد در مقایسه با اکتشاف brownfield ریسک قابل توجهی را در قالب سرمایه گذاری های اولیه به همراه دارد. اکتشافات مردمی، از جمله داده‌ های مربوط به اثرات زیست ‌محیطی، شرکت‌ های معدنی را قادر می ‌سازد تا ریسک ‌ها و اثرات بالقوه را به‌طور دقیق ارزیابی کنند. در نتیجه، استارتاپ‌ ها راه‌حل ‌های اکتشافی را توسعه می ‌دهند که بر هزینه ‌های زیست‌ محیطی عملیات معدن‌کاری نیز تأثیر می ‌گذارد.

استارتاپ استرالیایی Datarock از بینایی کامپیوتری و الگوریتم های یادگیری عمیق برای کمک به اکتشاف معدن استفاده می کند. پلتفرم تجزیه و تحلیل تصویر مبتنی بر ابر استارتاپ به دسته بندی و تقسیم بندی تصاویر و ویدئوهای زمین شناسی کمک می کند. در نتیجه اتوماسیون، زمین شناسان به جای کار با داده ها، زمان بیشتری را صرف تفسیر نتایج می کنند.