Научници од Универзитетот во Хјустон и Environmental Molecular Sciences Laboratory развија алатка со која побрзо и пореалистично може да се предвидува како течностите и растворените минерали се движат низ карпи и други порозни материјали.
Новата метода комбинира машинско учење со познатите закони на физиката и хемијата. Таа користи физички информирана невронска мрежа (PINN), која не се потпира само на експериментални податоци, туку постојано ги проверува своите пресметки според правилата за струење на течности и хемиски реакции.
Ова е важно затоа што подземните средини имаат сложена мрежа од пори и пукнатини, а податоците за условите длабоко во карпите често се ограничени. Класичните компјутерски симулации можат да бидат прецизни, но бараат многу време и компјутерски ресурси. Конвенционалните модели на вештачка интелигенција се побрзи, но можат да дадат резултати што не се физички возможни.
Тимот особено внимавал моделот да не создава негативни вредности за концентрациите на минералите и хемикалиите. Таквите грешки се посебно проблематични кај критичните минерали, кои често се присутни во многу мали количества и тешко се откриваат.
Моделот може да помогне и при проценување на параметри што не можат директно да се измерат, како пропустливоста и порозноста на карпите, почетната распределба на хемикалиите и брзината на реакциите. Со комбинирање на ограничени податоци и научни закони, истражувачите добиваат поцелосна слика за подземните процеси.
Потенцијалните примени вклучуваат ин ситу-рударство, биомининг, третман на киселинска рудничка дренажа и извлекување минерали од отпадни купови или производни води. Пред теренските испитувања, инженерите би можеле виртуелно да тестираат колкава течност да вбризгаат, со која брзина и колку долго, со цел да се подобри искористувањето на минералите и да се намалат трошоците.
Резултатите, објавени во списанието Transport in Porous Media, засега се темелат на поедноставени проблеми што ги опфаќаат клучните процеси при извлекувањето критични минерали. Во иднина моделот би можел да вклучи посложена хемија, биологија и микробни процеси.
Истражувачите на подолг рок сакаат да развијат дигитални близнаци на рударските и процесите на лужење. Таквите компјутерски модели би се ажурирале со нови лабораториски и теренски податоци, овозможувајќи попрецизно следење и управување со извлекувањето минерали во реално време.
