Conjunto de datos anotado de alta resolución de microfacies de boundstone Girvanella de la Formación Xiannüdong, China

Arrecifes antiguos frente a algoritmos modernos

Mucho antes de que los corales formaran los arrecifes tropicales actuales, diminutos microbios ya construían complejas estructuras submarinas sobre el lecho marino. Estos «arrecifes microbianos» fosilizados registran cómo la vida temprana moldeó los océanos hace más de 500 millones de años. El nuevo estudio que respalda este artículo no describe un solo hallazgo fósil, sino que publica un conjunto de datos abierto y cuidadosamente elaborado de imágenes microscópicas de dichos arrecifes antiguos en China, formateado específicamente para que los sistemas modernos de inteligencia artificial (IA) puedan aprender a leer el registro rocoso por sí mismos.

Rocas de un mar somero muy antiguo

La investigación se centra en rocas de la Formación Xiannüdong en el sur de China, depositadas durante el Cámbrico temprano, una época en la que la vida animal se diversificaba rápidamente y los ecosistemas marinos se volvían más complejos. Estas rocas conservan una estructura similar a un arrecife llamada boundstone Girvanella, construida principalmente por cianobacterias filamentosas que dejaron tubos y costras calcificadas. Mezclados con estas estructuras microbianas aparecen granos de sedimento, fragmentos esqueléticos y cemento mineral que llenó los espacios entre ellos. En conjunto, estos ingredientes forman una instantánea detallada de un antiguo lecho marino somero agitado por las olas, donde la biología y la química del agua de mar actuaron de forma conjunta para construir plataformas carbonatadas sólidas.

Convertir láminas de roca en mosaicos digitales

Para hacer esta historia antigua utilizable por ordenadores, el equipo partió de láminas delgadas de roca de arrecife montadas en portaobjetos de vidrio e imágenes a alta resolución bajo un microscopio polarizante. De 28 losas originales, se eligieron siete para un procesamiento detallado. Cada imagen de la losa completa se superpuso con una cuadrícula regular y luego se troceó en muchos pequeños mosaicos cuadrados, cada uno de 114 por 114 píxeles. Estos mosaicos son lo bastante grandes para capturar texturas clave —como tubos microbianos enmarañados, fangos finos o granos gruesos— y, a la vez, lo bastante pequeños para servir como «píxeles» estandarizados para el aprendizaje automático. Este proceso produjo decenas de miles de fragmentos de imagen que, en conjunto, cubren la variedad completa de microtexturas encontradas en la roca.

Etiquetas humanas cuidadosas para el aprendizaje automático

Las imágenes digitales por sí solas no bastan; la IA también necesita ejemplos de lo que significa cada patrón. Por ello, los investigadores etiquetaron manualmente los distintos componentes observados en la roca: costras de Girvanella, varios tipos de granos, fango, cemento y otras características. Crearon imágenes especiales de «máscara» en las que cada píxel incorpora un identificador numérico de clase en un canal de color. Un script en Python usó luego estas máscaras para asignar cada mosaico a una de diez clases de microfacies —como grainstone esquelético, microbialita laminada o lutita dolomítica— basándose en una regla de conteo por puntos que suma los valores de los píxeles. Los mosaicos con etiquetas poco claras o ausentes se excluyeron automáticamente. El conjunto final se dividió en conjuntos de entrenamiento, validación y prueba en proporciones equilibradas, y se confirmó más del 95 % de acuerdo entre las etiquetas automatizadas y las comprobadas manualmente.

Un recurso FAIR para la geología y la IA

El producto acabado es un conjunto de datos público y bien estructurado alojado en Figshare, conforme a los principios FAIR (Encontrable, Accesible, Interoperable, Reutilizable). Todas las imágenes de los mosaicos se almacenan como archivos PNG estándar, y sus etiquetas y la partición del conjunto están documentadas en un único archivo CSV. Paralelamente, los autores proporcionan código abierto en Python en GitHub que reproduce todo el flujo: cortar las imágenes de las láminas en mosaicos, leer las etiquetas ocultas, comprobar la calidad y organizar los datos. Esto permite a otros investigadores conectar el conjunto de datos directamente con marcos de aprendizaje profundo, comparar modelos competidores sobre un punto de referencia común o adaptar el flujo de trabajo a sus propias colecciones de roca.

Por qué esto importa más allá de un arrecife

Al transformar un complejo arrecife antiguo en una biblioteca organizada de mosaicos de imagen etiquetados, el estudio construye un puente entre los ecosistemas del temprano planeta y las herramientas modernas de IA. Para los no especialistas, la conclusión es que la interpretación de las texturas rocosas —antes dominio exclusivo de petrográfos expertos que miraban por el microscopio— puede cada vez más compartirse con algoritmos entrenados con datos disponibles abiertamente. Este conjunto de datos ayudará a los científicos a automatizar la clasificación de rocas carbonatadas, afinar reconstrucciones de mares desaparecidos y aplicar aprendizaje por transferencia a otros entornos geológicos. En términos sencillos, convierte una lámina del lecho marino cámbrico en un conjunto didáctico reutilizable para ordenadores, acelerando nuestra capacidad para leer la profunda historia del planeta encerrada en la piedra.

Cita: Choi, S., Kim, D., Hong, J. et al. High-resolution Annotated Dataset of Girvanella Boundstone Microfacies from the Xiannüdong Formation, China. Sci Data 13, 611 (2026). https://doi.org/10.1038/s41597-026-06958-1

Palabras clave: Arrecifes cámbricos, microfacies carbonatadas, conjuntos de datos geológicos, aprendizaje profundo en geociencias, carbonatos microbianos