La Universidad de Chile destacó en el Congreso Internacional IAMG 2026, celebrado entre el 23 y el 28 de agosto de 2026 en Montreal, Canadá, al presentar investigaciones que integran inteligencia artificial y geoestadística en la minería. Académicos del Departamento de Ingeniería de Minas expusieron sobre el uso de machine learning para identificar zonas con potencial de mineralización en el norte de Chile, así como herramientas geoestadísticas aplicadas al diseño de taludes en minería a cielo abierto.
Machine learning para la exploración de cobre y oro en el norte de Chile
Uno de los trabajos más destacados fue la investigación “Comparative Machine Learning Approaches for IOCG Prospectivity Mapping in Northern Chile”, presentada por la académica Nadia Mery. Este estudio, desarrollado junto al estudiante Matías Barrales y la académica Kimie Suzuki, se centra en la exploración mineral en el norte de Chile, específicamente en la elaboración de mapas de prospectividad de sistemas IOCG (Iron Oxide Copper-Gold). La investigación compara diferentes metodologías de machine learning para determinar áreas con condiciones favorables para la mineralización.
El uso de inteligencia artificial en este contexto busca complementar el análisis geológico tradicional, proporcionando nuevas herramientas para procesar información geológica y priorizar áreas durante las etapas de exploración. Mery también participó en un panel especial titulado “Geomathematics and Artificial Intelligence: Perspectives in Science, Society and Industry”, donde se discutieron las oportunidades y desafíos que presenta la inteligencia artificial en las geociencias.
Geoestadística aplicada a taludes de minas a cielo abierto
El segundo trabajo presentado por la delegación chilena se enfocó en el modelamiento geotécnico y el diseño minero. El profesor Xavier Emery expuso la investigación “A five-dimensional geostatistical framework for modeling direction-dependent geotechnical variables: Application to open pit slope design”, desarrollada junto a Katherine Sánchez de BHP Chile y Adeline Delonca de la Universidad Técnica Federico Santa María.
Este estudio propone un modelo geoestadístico que considera no solo la ubicación espacial de las variables geotécnicas, sino también su dependencia direccional, un aspecto crucial al analizar las propiedades de los macizos rocosos. La metodología presentada busca evitar que las mediciones obtenidas desde testigos de sondajes sean interpretadas únicamente en función de su posición espacial, reconociendo que las propiedades pueden variar según la orientación de la muestra.
La investigación incluye aplicaciones prácticas al análisis de estabilidad y diseño de taludes en minas a cielo abierto, demostrando cómo las herramientas geoestadísticas multidimensionales pueden ser incorporadas al modelamiento geotécnico en la planificación minera.
Relevancia de la inteligencia artificial en la minería
La participación de los investigadores de la Universidad de Chile en el IAMG 2026 se enmarca en un congreso que enfatizó el descubrimiento basado en datos, la inteligencia artificial y los métodos computacionales aplicados a las geociencias. Estos avances son fundamentales para la industria minera, ya que permiten optimizar procesos de exploración y mejorar la seguridad en el diseño de taludes, contribuyendo a una minería más eficiente y sostenible.
La próxima edición de la International Association for Mathematical Geosciences (IAMG) se anticipa con gran interés, ya que se espera que continúe promoviendo el uso de matemáticas, estadística e informática en las geociencias, áreas que son cada vez más relevantes en la exploración y operación minera. La integración de estas tecnologías podría redefinir los métodos tradicionales de trabajo en la industria, aumentando la competitividad y la sostenibilidad de las operaciones mineras a nivel global.
