Grant: Discovery Grants Program - Individual
Institut national de la recherche scientifique
$50,000.00
Développement d'algorithmes d'apprentissage automatique pour la prédiction à court terme des ressources
EF 2024-25
Résumé
La caractérisation des cibles en exploration minérale et la gestion des ressources souterraines sont d'une importance cruciale pour soutenir le développement durable et la sécurité des approvisionnements des canadiennes et canadiens. Cette caractérisation des ressources passe par l'intégration d'une grande quantité de données, de natures très diverses rendant leur interprétation complexe et souvent biaisée par les a priori du cerveau humain. L'apprentissage profond offre des opportunités prometteuses pour améliorer cette intégration de données en optimisant des modèles numériques avancés pour l'analyse fiable de données géospatiales complexes, fournissant ainsi aux géologues des outils permettant d'améliorer leurs interprétations.
Mon programme de recherche se déroule en trois volets:
1- Développer des modèles d'apprentissage profond non supervisés pour la détection d'anomalies géologiques associées à des gisements à l'aide de données géophysiques et géologiques.
2- Utiliser l'apprentissage profond pour prédire les emplacements potentiels de gisements minéraux en analysant des données géologiques, géochimiques et géophysiques contraintes par les échantillons de terrain.
3- Développer des modèles d'apprentissage profond pour estimer à court terme la dynamique des réservoirs (eau souterraine, géothermie et stockage de CO2) en analysant les données hydrogéologiques et géophysiques.
En développant des modèles d'apprentissage profond précis et fiables, ce programme contribuera à renforcer la gestion durable de nos ressources naturelles et à promouvoir une utilisation responsable de ces ressources essentielles pour les générations futures.
Programme
Discovery Grants Program - Individual
Bénéficiaire
Emplacement
Quebec, Canada
Type de bénéficiaire
Academia
Type
Grant
Source
NSERC's Awards Data
Tel que publié
Application id
RGPIN-2024-06771
Name nom
Gloaguen, Erwan
Department département
eau, terre environnement
Organization id
56
Institution établissement
Institut national de la recherche scientifique
Province en
Québec
Province fr
Québec
Country en
CANADA
Country fr
CANADA
Fiscal year exercice financier
2024
Competition year année de concours
2024
Award amount
50000
Program id
RGPIN
Program name en
Discovery Grants Program - Individual
Program name fr
Programme de subventions à la découverte - individuelles
Group en
DISCOVERY RESEARCH
Group fr
RECHERCHE AXÉE SUR LA DÉCOUVERTE
Committee code
1506
Committee name en
Geosciences
Committee name fr
Géosciences
Area of application code
1203
Area of application group en
Advancement of knowledge
Area of application group fr
Avancement des connaissances
Area of application en
Earth sciences
Area of application fr
Sciences de la terre
Research subject code
4304
Research subject group en
Geophysics
Research subject group fr
Géophysique
Research subject en
Applied geophysics
Research subject fr
Géophysique appliquée
Field of research list names en
Not available
Field of research list names fr
Non disponible
Socioeconomic objective list names en
Not available
Socioeconomic objective list names fr
Non disponible
Application title
Développement d'algorithmes d'apprentissage automatique pour la prédiction à court terme des ressources
Keywords
apprentissage automatique; ressources naturelles; transformers; réseau de neurones par graphes; augmentation des données; géophysique; assimilation de données
Application summary
La caractérisation des cibles en exploration minérale et la gestion des ressources souterraines sont d'une importance cruciale pour soutenir le développement durable et la sécurité des approvisionnements des canadiennes et canadiens. Cette caractérisation des ressources passe par l'intégration d'une grande quantité de données, de natures très diverses rendant leur interprétation complexe et souvent biaisée par les a priori du cerveau humain. L'apprentissage profond offre des opportunités prometteuses pour améliorer cette intégration de données en optimisant des modèles numériques avancés pour l'analyse fiable de données géospatiales complexes, fournissant ainsi aux géologues des outils permettant d'améliorer leurs interprétations.
Mon programme de recherche se déroule en trois volets:
1- Développer des modèles d'apprentissage profond non supervisés pour la détection d'anomalies géologiques associées à des gisements à l'aide de données géophysiques et géologiques.
2- Utiliser l'apprentissage profond pour prédire les emplacements potentiels de gisements minéraux en analysant des données géologiques, géochimiques et géophysiques contraintes par les échantillons de terrain.
3- Développer des modèles d'apprentissage profond pour estimer à court terme la dynamique des réservoirs (eau souterraine, géothermie et stockage de CO2) en analysant les données hydrogéologiques et géophysiques.
En développant des modèles d'apprentissage profond précis et fiables, ce programme contribuera à renforcer la gestion durable de nos ressources naturelles et à promouvoir une utilisation responsable de ces ressources essentielles pour les générations futures.