2026年11月2日，人工智能学院在博达楼418举办“地球科学智能与智能找矿”专题讲座，中山大学地球环境与地球资源研究中心首席科学家、二级教授、博士生导师周永章主讲，学院教师和研究生参加，人工智能学院葛丽娜院长主持会议。

讲座现场

周永章教授以“地球科学智能的内涵与智能找矿的实践路径”为核心，结合30余年地球科学研究与智能找矿经验，系统阐述了智能地球科学的发展脉络——随着大数据、人工智能、物联网等技术渗透，地球科学正从“经验驱动、野外勘查为主”向“数据驱动、智能决策为核心”转型。他指出，智能找矿作为地球科学与AI融合的关键交叉领域，通过机器学习、多源数据融合等技术，可解决传统找矿“周期长、成本高、盲目性大”的痛点，为矿产资源勘查提供“精准、快速、低成本”支撑。

周永章教授作专题报告

在技术分享中，周教授结合广东某铜矿勘查项目等案例，详细拆解了智能找矿的三大核心技术：

多源数据融合：整合遥感影像、地质图件、地球物理/化学数据，构建“空—地—深”一体化地质信息库，破解“数据孤岛”问题；

机器学习预测：利用随机森林、深度神经网络等算法，挖掘地质数据中的“隐性规律”（如“构造控矿”“岩性控矿”），生成“找矿概率图”；

智能靶区优选：结合模型输出与专家经验，快速筛选高潜力靶区，将传统“盲目钻探”转为“精准靶向”。

案例显示，该技术将勘查周期从18个月缩短至12个月，找矿成功率提升30%，引发在场教师对“AI+地球科学”应用价值的热烈讨论。

互动环节中，人工智能学院教师围绕“AI模型在地质数据中的适应性”“跨学科合作落地”等问题与周教授深入交流。针对“地质数据‘多源、异构、稀疏’的特点”，周教授建议将“领域知识”融入AI模型（如加入“构造带控矿”等专家规则），或采用“半监督学习”利用少量标注数据提升精度；针对合作方向，他提出可聚焦“智能找矿算法研发”“地质大数据平台建设”“复合型人才培养”，如联合开发“地质数据智能解译系统”，或开设“地球科学智能”交叉课程。

此次讲座为人工智能学院师生打开了地球科学领域AI应用的前沿视野，不仅加深了对“智能地球科学”的理解，更明确了跨学科合作的方向。学院也将以此次讲座为契机，加强与地球科学、资源勘查等学科的融合，推动AI技术在地球科学中的深度应用，为培养“AI+地球科学”复合型人才、服务国家矿产资源战略需求服务。（初审：褚小聪 复审：潘彦燕 终审：刘志雄）