Labrador Uranium Inc. meldete den Abschluss der ersten Phase seines regionalen Explorationsziels, das einen Mineraliensystemansatz in Kombination mit maschinellem Lernen über sein Central Mineral Belt Project (das oCMBo oder oCMB Projecto) in Central Labrador, Kanada (das oCMB Projecto) integriert. Die Studie definierte erfolgreich spezifische Bereiche für weitere Arbeiten und entschärft mehrere Projektbereiche in unterschiedlichen Stadien. In der ersten Phase der Exploration mit künstlicher Intelligenz (oAIo) wurde ein Arbeitsablauf des maschinellen Lernens (oMLo) implementiert, der auf die potenzielle Existenz von unbekannten Uran- und Kupfervorkommen abzielt.

Dies wurde durch die jüngste Veröffentlichung und Zusammenstellung öffentlicher und privater aeromagnetischer, radiometrischer und geologischer Daten über den gesamten Central Mineral Belt erleichtert. Die Integration des Mineraliensystem-Ansatzes, der sich auf die Prozesse der Entstehung, des Transports und der Ablagerung konzentriert, hilft dabei, die Datenerfassung und -interpretation zu fokussieren, ohne sich auf ein einziges Lagerstätten-Omodelo zu verlassen. Die Verwendung der Lage bekannter Lagerstätten und Aussichten ermöglicht das Training des ML-Algorithmus, der die Lage von Lagerstätten objektiv vorhersagt, ohne eine vorgefasste Meinung über die Bedeutung, die typischerweise bei einer oder mehreren Lagerstättentypen zu finden ist.

Das Hauptziel dieser datengesteuerten Methodik besteht darin, das Zielrisiko für das CMB-Projekt in einem frühen Stadium zu verringern und mehr Zielgebiete für direkte Entdeckungsmethoden wie Bohrungen vorzubereiten.