Labrador Uranium Inc. ha annunciato il completamento della fase iniziale della sua ricerca regionale, che integra un approccio ai sistemi minerali combinato con l'apprendimento automatico, sul suo Progetto della Cintura Minerale Centrale (l'oCMBo o oCMB Projecto) nel Labrador Centrale, Canada (l'oCMB Projecto). Lo studio ha definito con successo aree specifiche per un ulteriore lavoro e ha eliminato i rischi di più aree del progetto in diverse fasi. La fase iniziale dell'esplorazione mirata con l'Intelligenza Artificiale (oAIo) implementa un flusso di lavoro di Machine Learning (oMLo), mirando alla potenziale esistenza di depositi di uranio e rame sconosciuti.

Ciò è stato facilitato dal recente rilascio e dalla compilazione di dati aeromagnetici, radiometrici e geologici pubblici e privati sull'intera Cintura Minerale Centrale. L'integrazione dell'approccio dei Sistemi Minerali, che si concentra sui processi di origine, trasporto e deposito, aiuta a focalizzare la raccolta e l'interpretazione dei dati, senza affidarsi a un singolo deposito omodello. L'utilizzo della posizione dei depositi e delle prospettive conosciute consente l'addestramento dell'algoritmo ML, che predice in modo oggettivo la posizione dei depositi senza una nozione preconcetta di importanza tipicamente vista in uno o più tipi di depositi.

L'obiettivo primario di questa metodologia guidata dai dati è quello di ridurre il rischio di targeting sul Progetto CMB in una fase iniziale, preparando più aree target per i metodi di rilevamento diretto come la perforazione.