IA mejora la caracterización del subsuelo en terrenos graníticos tropicales

Un equipo de investigadores publicó en la revista Nature un estudio que combina técnicas de aprendizaje automático y aprendizaje profundo para mejorar la caracterización del subsuelo en terrenos graníticos tropicales, un tipo de formación geológica particularmente compleja de analizar con métodos convencionales.

El trabajo se centra en el modelado de resistividad y cargabilidad, dos propiedades eléctricas del suelo ampliamente utilizadas en prospección geofísica. Los algoritmos entrenados lograron identificar patrones subsuperficiales con mayor precisión que las técnicas tradicionales de inversión de datos, reduciendo la ambigüedad en la interpretación de los resultados.

Los investigadores destacan que los terrenos graníticos tropicales presentan desafíos únicos debido a la intensa meteorización química y la heterogeneidad del subsuelo, factores que dificultan la exploración de recursos hídricos, minerales y la evaluación geotécnica de suelos. La integración de modelos de IA permitió superar varias de estas limitaciones de forma sistemática.

El estudio representa un avance relevante para la geofísica aplicada en regiones tropicales de América Latina, África y el Sudeste Asiático, donde este tipo de terrenos es frecuente. Los autores sugieren que la metodología podría escalarse para proyectos de mayor envergadura en exploración minera e hidrológica.