STRIF
Member
Teknoloji’nin her geçen gün gelişmesiyle tüm bölümler süratli bir biçimde değişiyor. Otomotivden sıhhat sanayisine kadar bir epey alanı derinden etkileyen Makine Öğrenmesi (Machine Learning), bu sefer de madenciliğe el atıyor. Klâsik sistemlerden hayli daha verimli çalışan bu teknoloji gelecek için ümit vadediyor.
EarthByte araştırma kümesi, sanal bir Dünya inşa ediyor. Araştırmacılar, GPlates ismini verdikleri bu simülasyonla vakit ortasındaki tektonik faaliyetleri saptamaya çalışacak. bir fazlaca uygulaması bulunan kümenin kıymetli çalışmalarından biri de dağ jenerasyonları boyunca bakır yataklarının nerede oluştuğunu teknolojiyi kullanarak anlamak.
Makine Öğrenmesi işleri kolaylaştıracak!
Makine öğrenmenin en yaygın kullanıldığı alanlardan biri de madencilik olacak. Memleketler arası Güç Ajansı, yenilenebilir güç teknolojilerinde en yaygın kullanılan metal olan bakırın global arzı konusunda uyarıyor. Önümüzdeki senelerda Dünya’nın, bilhassa bakır olmak üzere fazlaca fazla metale muhtaçlığı olacak. Goldman Sachs, 2030 yılına kadar bakır talebinin yüzde 600’e kadar artacağını ve global arzın giderek gerileceğini iddia ediyor. Talepteki bu inanılmaz artış, yeni ve büyük bakır yataklarını süratle bulmamız gerektiğini gözler önüne seriyor. İşte teknoloji tam da bu noktada devreye giriyor.
Amerika Birleşik Devletleri ve Avrupa Birliği üyeleri de dahil olmak üzere 100’den çok ülkenin 2050 yılına kadar net sıfır karbon emisyonu taahhüt etmesi bu suratı epeyce çabuk yakalamamız gerektiği gerçeğini kanıtlıyor. Yeni bakır yatakları keşfetmedikçe dönüşüm için gereken bakırı da elde etmemiz imkansız üzere görünüyor. Ancak uzun vakittir bakır meblağları nispeten düşüktü. Bu sebeple son on yılda yeni maden yataklarının keşfi için yanlışsız düzgün araştırma yapılmadı. Sanayideki boşvermişliğin yarattığı tahribatı teknoloji giderebilir. Madencilik bölümündeki bu acil gereksinimi son senelerda pek tanınan olan Makine Öğrenmesi yardımıyla basitçe karşılayabiliriz.
GPlates ismi verilen bu yazılım yardımıyla jeologlar kuvvetli bir dört boyutlu bilgi sistemine sahip oluyorlar. Oluşturulan simülasyon yardımıyla bakır elementinin nerede olduğunu araştırabiliyorlar. Antik dağ sıraları boyunca maden yataklarının nerede oluştuğunu gezegenin derinliklerine inerek inceleyebiliyorlar. Daha evvelki çalışmalarda elde edilen datalar ışığında vakitte geri giderek yeni maden yataklarının bulunduğu yerleri saptamaya çalışıyorlar.
Araştırma kümesi yakın vakitte yayınladıkları bir makalede yazılımın nasıl çalıştığını da özetledi. Dağ nesli boyunca bilinen ekonomik bakır yataklarının birçok tıpkı periyotta oluştuğu için son 80 milyon yıla odaklandıklarını belirttiler.
İnceledikleri periyodun tektonik hareketleri ile değişen parametrelerin manalandırılmasında makine öğrenmesi metodunu kullandıklarını deklare ettilar. Oluşturulan model, birkaç farklı dalma zonu parametresine bakıp her birinin bilinen cevher yatakları ile alaka açısından ne kadar değerli olduğunu belirliyor.
Bu sayede levhaların birbirine yanlışsız ne kadar süratli hareket ettiği, kabukta ve derin deniz çökellerinde ne kadar kalsiyum karbonat bulunduğu üzere değerli bilgiler epey daha az kusur hissesi ile hesaplanabiliyor.
Makine tahsili yaklaşımını kullanarak dünyanın farklı yerlerine bakabilir ve farklı vakit içinderda bakır yatakları oluşturmaya elverişli şartlar yaşayıp yaşamadıklarını öğrenebiliriz. Orta Alaska, Güney Nevada, Güney Kaliforniya ve Arizona dahil olmak üzere ABD’de birkaç aday bölge ve Meksika, Şili, Peru ve Ekvador’daki epeyce sayıda bölge oldukçatan belirlenmiş bile.
Maden aramanın geleceği değişmek zorunda!
2030’a kadar 10 milyon ton bakır bulmak (bugün çıkardığımız en büyük sekiz bakır yatağına eşdeğer) epeyce büyük bir zorluk teşkil edecek üzere. Buna rağmen ortaya çıkan yeni teknolojiler artmasını öngördüğümüz talebi karşılamada bize yardımcı olacaktır. Geleceğin bize neler getireceğini bilemeyiz. Lakin bildiğimiz tek şey var ki o da büyük bir değişim yaşayacağımız.
Siz Makine Öğrenmesi hakkında ne düşünüyorsunuz? Alan Turing‘in de dediği üzere sanki makineler düşünebilir mi? Düşünmeyi aşıp öğrenebilir mi? Fikirlerinizi yorumlar kısmında ve SDN Forum‘da belirtmeyi unutmayın!
EarthByte araştırma kümesi, sanal bir Dünya inşa ediyor. Araştırmacılar, GPlates ismini verdikleri bu simülasyonla vakit ortasındaki tektonik faaliyetleri saptamaya çalışacak. bir fazlaca uygulaması bulunan kümenin kıymetli çalışmalarından biri de dağ jenerasyonları boyunca bakır yataklarının nerede oluştuğunu teknolojiyi kullanarak anlamak.
Makine Öğrenmesi işleri kolaylaştıracak!
Makine öğrenmenin en yaygın kullanıldığı alanlardan biri de madencilik olacak. Memleketler arası Güç Ajansı, yenilenebilir güç teknolojilerinde en yaygın kullanılan metal olan bakırın global arzı konusunda uyarıyor. Önümüzdeki senelerda Dünya’nın, bilhassa bakır olmak üzere fazlaca fazla metale muhtaçlığı olacak. Goldman Sachs, 2030 yılına kadar bakır talebinin yüzde 600’e kadar artacağını ve global arzın giderek gerileceğini iddia ediyor. Talepteki bu inanılmaz artış, yeni ve büyük bakır yataklarını süratle bulmamız gerektiğini gözler önüne seriyor. İşte teknoloji tam da bu noktada devreye giriyor.
Amerika Birleşik Devletleri ve Avrupa Birliği üyeleri de dahil olmak üzere 100’den çok ülkenin 2050 yılına kadar net sıfır karbon emisyonu taahhüt etmesi bu suratı epeyce çabuk yakalamamız gerektiği gerçeğini kanıtlıyor. Yeni bakır yatakları keşfetmedikçe dönüşüm için gereken bakırı da elde etmemiz imkansız üzere görünüyor. Ancak uzun vakittir bakır meblağları nispeten düşüktü. Bu sebeple son on yılda yeni maden yataklarının keşfi için yanlışsız düzgün araştırma yapılmadı. Sanayideki boşvermişliğin yarattığı tahribatı teknoloji giderebilir. Madencilik bölümündeki bu acil gereksinimi son senelerda pek tanınan olan Makine Öğrenmesi yardımıyla basitçe karşılayabiliriz.
GPlates ismi verilen bu yazılım yardımıyla jeologlar kuvvetli bir dört boyutlu bilgi sistemine sahip oluyorlar. Oluşturulan simülasyon yardımıyla bakır elementinin nerede olduğunu araştırabiliyorlar. Antik dağ sıraları boyunca maden yataklarının nerede oluştuğunu gezegenin derinliklerine inerek inceleyebiliyorlar. Daha evvelki çalışmalarda elde edilen datalar ışığında vakitte geri giderek yeni maden yataklarının bulunduğu yerleri saptamaya çalışıyorlar.
Araştırma kümesi yakın vakitte yayınladıkları bir makalede yazılımın nasıl çalıştığını da özetledi. Dağ nesli boyunca bilinen ekonomik bakır yataklarının birçok tıpkı periyotta oluştuğu için son 80 milyon yıla odaklandıklarını belirttiler.
İnceledikleri periyodun tektonik hareketleri ile değişen parametrelerin manalandırılmasında makine öğrenmesi metodunu kullandıklarını deklare ettilar. Oluşturulan model, birkaç farklı dalma zonu parametresine bakıp her birinin bilinen cevher yatakları ile alaka açısından ne kadar değerli olduğunu belirliyor.
Bu sayede levhaların birbirine yanlışsız ne kadar süratli hareket ettiği, kabukta ve derin deniz çökellerinde ne kadar kalsiyum karbonat bulunduğu üzere değerli bilgiler epey daha az kusur hissesi ile hesaplanabiliyor.
Makine tahsili yaklaşımını kullanarak dünyanın farklı yerlerine bakabilir ve farklı vakit içinderda bakır yatakları oluşturmaya elverişli şartlar yaşayıp yaşamadıklarını öğrenebiliriz. Orta Alaska, Güney Nevada, Güney Kaliforniya ve Arizona dahil olmak üzere ABD’de birkaç aday bölge ve Meksika, Şili, Peru ve Ekvador’daki epeyce sayıda bölge oldukçatan belirlenmiş bile.
Maden aramanın geleceği değişmek zorunda!
2030’a kadar 10 milyon ton bakır bulmak (bugün çıkardığımız en büyük sekiz bakır yatağına eşdeğer) epeyce büyük bir zorluk teşkil edecek üzere. Buna rağmen ortaya çıkan yeni teknolojiler artmasını öngördüğümüz talebi karşılamada bize yardımcı olacaktır. Geleceğin bize neler getireceğini bilemeyiz. Lakin bildiğimiz tek şey var ki o da büyük bir değişim yaşayacağımız.
Siz Makine Öğrenmesi hakkında ne düşünüyorsunuz? Alan Turing‘in de dediği üzere sanki makineler düşünebilir mi? Düşünmeyi aşıp öğrenebilir mi? Fikirlerinizi yorumlar kısmında ve SDN Forum‘da belirtmeyi unutmayın!