一、智能找矿预测

    地质学属于数据密集型科学。随着地质信息时代的来临，地质数据已呈现出爆炸式增长态势，面临着数据量巨大、挖掘效率低等问题，仅依靠人工检索与处理地质大数据越来越难以满足当前地质科学高速发展的需求。将大数据思维和深度学习方法引入地学领域，利用数学工具进行数据清理和挖掘，将有助于矿产资源预测。当今，基于机器学习的地质找矿信息挖掘与找矿预测区的圈定已经成为数字地质科学的前沿领域，而地质矿产勘查工作积累了大量的地质、地球化学、地球物理、遥感以及一系列地质矿产资料，为机器学习尤其是深度学习算法的应用提供了大数据支撑。人们一直在探索大数据与人工智能技术在矿产资源评价中应用，并取得了良好的应用效果。随着此次人工智能浪潮的兴起，尝试把新的人工智能方法应用于找矿预测领域，如知识图谱、NLP、BERT、少样本训练等，旨在进一步提高找矿的效率与效果。

二、三维地质建模

    随着经济建设的不断发展，国家对矿产资源的需求越来越多，浅层地表资源勘探和开发的程度已经很高，发现新资源的难度越来越大。地下深层矿产资源丰富，找矿潜力巨大，是新时期支撑国家经济建设和发展的重要矿产资源来源，由于受技术方法的制约，深部找矿是一项具有很大挑战性的工作。三维地质建模是新一代矿产地质调查及深部找矿勘探的核心技术之一。基于精确的三维地质模型，地质研究人员以及找矿工程师可以更加清晰直观地分析目标区域的地质背景、研究成矿条件，从而预测矿产位置及埋深、估算矿产储量等，能够满足深部找矿、重大自然灾害形成机理研究评价与预警、地下水模拟与水质评价、重大工程地基稳定性评价等多方面的需求。

    自上世纪60年代以来，我国经历了多轮矿产地质调查评价以及各种找矿勘查工作，积累了海量矿产地质调查数据和图件，主要包含区域地质图、区域矿产地质图、实测剖面图、勘探线剖面图、钻孔柱状图等图件，以及区域重磁、电法、地震等多种异构大数据。这些大数据为查明地下深部地质结构和地质体的属性特征，建立三维地质模型奠定了坚实的原始数据基础。

三、虚拟地质实践

    传统的野外地质实习严重依赖于有限的时间、地形、天气等条件。由于受时间的限制，学生在每个野外教学观察点上停留的时间是十分有限的，很难再有充足的时间掌握实习内容，更不能有充足的时间自主地进行观察、描述与研究。一些很好的地质现象位于悬崖峭壁上，为了避免危险，学生不能在任意位置对地质现象进行观察。以往很好的教学现象，由于自然风化或人为破坏而不能再进行教学；由于天气影响，野外教学可能不能正常进行；由于教师数量有限，很难进行一对一的详细教学；由于经费等因素限制，不能对每条路线都进行野外实地实习。野外地质场景的虚拟仿真则提供一个良好的野外地质知识学习和野外地质研究的虚拟环境，学生可以通过电脑、手机等设备学习野外地质工作技能，掌握野外地质知识，从而能够突破野外实践教学的时空等方面的限制，为野外地质实践教学开辟了新的途径。