Estrategias de aprendizaje automático en conjunto para la cartografía de prospectividad mineral con escasez de datos

Encontrar mineral con menos pistas

La sociedad moderna depende de metales como el plomo y el zinc para baterías, electrónica e infraestructura, pero los depósitos más accesibles ya han sido hallados. En regiones nuevas, los geólogos a menudo disponen solo de un puñado de descubrimientos minerales confirmados, muestras químicas dispersas y mapas incompletos que los guíen. Este estudio muestra cómo usar el aprendizaje automático no para perseguir la máxima puntuación posible sobre datos pasados, sino para ofrecer predicciones en las que los responsables de la decisión puedan confiar realmente cuando la información es escasa.

Por qué los datos son escasos en el mundo real

La cartografía de prospectividad mineral pretende resaltar partes del paisaje que tienen mayor probabilidad de contener mineral. Combina capas de información, como litologías, fallas, imágenes satelitales y química de sedimentos de cuenca, en un mapa de probabilidades que guía el trabajo de campo y la perforación. En proyectos en fase temprana, sin embargo, solo se conocen unos pocos depósitos y muchas zonas del mapa nunca han sido muestreadas. Las herramientas estándar de aprendizaje automático prosperan con conjuntos de datos grandes y bien etiquetados; cuando se enfrentan a solo unas pocas docenas de ejemplos positivos, pueden volverse inestables y demasiado confiadas, entregando cifras que parecen precisas pero que están mal ancladas a la realidad.

Convertir pistas escasas en señales útiles

Los autores trabajaron en el distrito de plomo‑zinc de Dehaq, en el centro de Irán, una región donde la mineralización está ligada a capas específicas de caliza, fallas y zonas de alteración química. Construyeron mapas digitales de rocas hospedantes, densidad de fracturación y alteración a partir de estudios geológicos e imágenes satelitales, y extrajeron anomalías geoquímicas de 624 muestras de sedimentos. De esta evidencia rica pero desigual, destilaron solo 108 ubicaciones etiquetadas: 27 con depósitos conocidos y 81 sin ellos. Para evitar que la clase mayoritaria dominara los pocos ejemplos de mineral, emplearon una técnica que crea puntos sintéticos realistas de depósitos interpolando entre los existentes, equilibrando las clases únicamente dentro de los datos de entrenamiento. Esto proporcionó un conjunto de ejemplos más balanceado mientras se mantenían separados los conjuntos de validación y prueba que reflejan la rareza del mundo real.

Construir equipos de modelos en lugar de un único héroe

En vez de confiar en un solo algoritmo, el estudio combinó métodos con fortalezas diferentes. Un ensamblaje combinó una máquina de vectores de soporte, que traza el límite más nítido posible entre clases, con un modelo probabilístico simple llamado Gaussian Naive Bayes. El otro mezcló dos métodos basados en árboles, LightGBM y AdaBoost, que sobresalen captando patrones complejos en muchas variables. En ambos casos, la predicción final fue el promedio de las estimaciones de probabilidad de los modelos componentes, una estrategia que a menudo reduce oscilaciones extremas en el rendimiento. Crucialmente, los autores compararon no solo con qué frecuencia estos modelos acertaban, sino también cuán bien sus probabilidades predichas concordaban con la realidad —una propiedad conocida como calibración.

Ajustar para la confianza, no solo para la puntuación

Elegir los parámetros de un modelo —qué tanto penaliza errores, cuántos árboles crece, y demás— puede cambiar dramáticamente su comportamiento. El equipo probó tres estrategias comunes de ajuste: Grid Search, que explora sistemáticamente un menú fijo de opciones; Random Search, que muestrea combinaciones al azar; y Optimización Bayesiana, que usa ensayos previos para adivinar nuevos candidatos prometedores. En papel, la Optimización Bayesiana entregó la única mayor puntuación de discriminación (un ROC–AUC de 0,95) para el ensamblaje basado en soporte vectorial. Sin embargo, cuando los autores examinaron las curvas de calibración, que comparan las probabilidades predichas con los resultados reales, las versiones con Grid Search de ambos ensamblajes produjeron resultados más suaves y estables, especialmente en el rango de probabilidad media donde normalmente se fijan los umbrales de exploración.

De los números a las decisiones de campo

Para la exploración temprana, donde cada barreno es costoso, los autores sostienen que las probabilidades bien comportadas importan más que exprimir una pequeña ganancia en precisión. Su recomendación más práctica es el ensamblaje más sencillo de soporte vectorial más Bayes, ajustado mediante Grid Search. Consigue una discriminación sólida al tiempo que ofrece el vínculo más fiable entre los valores de probabilidad y las tasas reales de descubrimiento, lo que permite a los geólogos fijar umbrales acordes con su tolerancia al riesgo. A medida que los proyectos maduran y se acumulan más datos, se pueden introducir modelos basados en árboles más complejos como el ensamblaje LightGBM para refinar las predicciones, pero siempre cuidando la calibración. De este modo, el aprendizaje automático deja de ser un generador de puntuaciones opaco y se convierte en un socio transparente para tomar decisiones conscientes del riesgo sobre dónde buscar la próxima generación de recursos minerales.

Cita: Amirajlo, P., Hassani, H., Pour, A.B. et al. Ensemble machine learning strategies for mineral prospectivity mapping under data scarcity. Sci Rep 16, 9171 (2026). https://doi.org/10.1038/s41598-026-40125-1

Palabras clave: cartografía de prospectividad mineral, aprendizaje automático en conjunto, escasez de datos, calibración del modelo, exploración de minerales