Por: Giovani Baquerizo, Kevin Balbuena, Ismael Montalván, Jackeline Milla, Luz Espinoza y J. Alberto Torres, Universidad Nacional Mayor de San Marcos.

Primer puesto en formato póster III Concurso Internacional de Estudiantes SEG-IIMP.

Resumen

Se realizó un mapeo prospectivo mineral de la provincia metalogenética del Batolito de Andahuaylas-Yauri para la identificación de zonas de interés en la exploración de yacimientos de tipo pórfido skarn. Para ello, se tomó como referencia el área de estudio presentada en Rivera et al., (2011) y se usaron datos de acceso libre donde se aplicaron los algoritmos Random Forest (RF) y Neural Network (NN). 

En este caso, se modelaron las variables Geodinámica (G), Fertilidad (F) y Arquitectura (A) del modelo de Sistema Mineral propuesto por McCuaig & Hronsky (2014). En base a ello, se generaron dos mapas prospectivos, cuyas métricas indicaron que la variable (F) fue la más importante tanto en RF como en NN.

Palabras clave: Random Forest, Neural Network, sistemas minerales, Batolito Andahuaylas-Yauri.

Introducción 

Definición de sistema mineral 

Los sistemas minerales pueden definirse como “todos los factores geológicos que controlan la generación y preservación de depósitos minerales y que impulsan los procesos que intervienen en la movilización de los componentes del mineral desde una fuente, su transporte y acumulación en forma más concentrada y su posterior preservación a lo largo de la historia geológica posterior”, (traducido al español de Wyborn et al., 1994).

Para fines prácticos, utilizaremos los factores geológicos críticos propuestos por McCuaig & Hronsky (2014), ver Figura 1.

Estos factores son:

νFertilidad (F): componente fértil y fuente de fluidos mineralizantes.

νGeodinámica (G): condiciones geodinámicas óptimas que gatillan la formación de depósitos minerales.

νArquitectura (A): diseño de la corteza crítica para la migración de fluidos mineralizantes a un sitio “trampa”.

νPreservación (P): procesos tectónicos de posmineralización apropiados para asegurar la integridad del sistema. 

Enfoque prospectivo por sistemas minerales

Los factores críticos de cada sistema mineral varían según el tipo de yacimiento. En el caso de los pórfidos skarn factores como la litología, la edad de emplazamiento del magma, la geología estructural, entre otros, son considerados como cruciales y deben conjugarse en tiempo y espacio para generar un sistema mineral económico. 

Es por ello que se ha usado el mismo enfoque prospectivo por sistema mineral (sistema, procesos y escalas) de Marchena et al., (2025) basado en McCuaig et al., (2010), ver Figura 2.

Mapa de prospectividad de la provincia metalogenética del Batolito de Andahuaylas-Yauri 

Datasets 

Para el procesamiento se utilizó información de dominio público, obtenida mayormente en el Geocatmin (https://geocatmin.ingemmet.gob.pe/geocatmin/). Esta información se corresponde con la data adjuntada en la Tabla 1. 

La información de la Tabla 1, se resume en lo siguiente:

Fertilidad (F)

Para la fertilidad se integraron datos de polígonos de la Fm. Mara, Fm Anta y del Batolito de Andahuaylas-Yauri (en formato .shp).

Geodinámica (G)

A la escala de este proyecto no se usó este ítem, y se decidió mover las fallas translitosféricas al ítem de Arquitectura. Los autores recomiendan utilizar como inputs alternativos: modelos de placas, tasas de convergencia, ángulos de oblicuidad y ángulos de subducción.

Arquitectura (A):

Para el caso de la Arquitectura se integraron lineamientos provinciales de fallas translitosféricas, fallas transversales y fallas asociadas, según su rumbo.

La Preservación (P) no se tomará en cuenta, debido a que a escala regional y provincial son de importancia 3 y podrían generar errores al momento del procesamiento. Sin embargo, se debe resaltar la trascendencia de las calizas de la Formación Ferrobamba que son buenos agentes de precipitación hipógena, pudiendo tenerse en cuenta en mapas de sistemas minerales a menor escala.

Se delimitó el polígono mostrado en la Figura 3, debido a que abarca al Batolito de Andahuaylas-Yauri.

Flujo de integración de datasets por IA 

El flujo de trabajo desarrollado para la integración de los datasets se detalla en la Figura 4.

Se asignaron los siguientes valores en el código de entrenamiento del modelo:

ν Clase 01: yacimientos pórfidos skarn.

ν Clase 02: no existencia de yacimiento.

En el caso de las “fallas pequeñas” se le asignó una distancia euclidiana de 5,000 metros, como ratio de influencia. Y en el caso de las fallas longitudinales y transversales, debido a su importancia, se le asignó una distancia 20,000 metros.

Una vez procesados los datos, se obtuvo los siguientes resultados: reporte de precisión (Figura 5) y mapas de prospectividad (Figura 6).

Discusión 

La integración del enfoque de sistemas minerales con la inteligencia artificial presenta resultados diferentes aplicando Random Forest o Neural Network. Incluso los resultados entre ellos difieren a técnicas prospectivas como el uso de alteraciones por teledetección y la franja metalogenética de pórfidos skarns de Cu-Mo (Au, Zn) y Fe relacionados con intrusivos del Eoceno - Oligoceno. Es importante resaltar que pese a la “certeza” que nos puede indicar la matriz de confusión, el empleo de la IA y la selección de los datasets debe manejarse con un juicio geológico crítico, con el fin de evitar “sesgos” que podrían afectar los resultados. 

Conclusiones

1. Con base en el gráfico de importancia de características – Random Forest podemos concluir que la Fertilidad es la característica más importante al momento de prospectar por sistemas minerales.

2. Se obtuvieron zonas de interés prospectivo, tanto de Random Forest como de Neural Network, que exhiben nuevas zonas de prospección asociadas al Batolito de Andahuaylas-Yauri. Se observa que coinciden en algunos casos con yacimientos minerales ya descubiertos.

3. Se requiere de datos geológicos como geofísica, geoquímica y dataciones radiométricas que puedan permitir reducir la incertidumbre geológica, pudiendo obtener resultados aún más fiables.

Recomendaciones

1. Se considera fundamental que para futuras exploraciones en el sur del Perú deben afinarse los datasets de futuros modelos de sistemas minerales en Geodinámica (G), como la tasa de convergencia, oblicuidad, ángulo de subducción (e incluso añadir geofísica de ser necesario) y Fertilidad (F) como índices geoquímicos (Sr/Y, La/Yb, Eu/Eu), indicadores prospectivos obtenidos por descripciones de roca en campo, e incluso índices de fertilidad en zircones. Ello con el fin de entender mejor la relación entre fallas longitudinales y transversales que controlan buena parte de la mineralización y tener una mayor fidelidad a los elementos que rigen el concepto de sistema mineral.

2. Además, se debe complementar con un análisis de los fluidos hidrotermales (inclusiones fluidas y firmas geoquímicas de trazas metálicas), ello para distinguir regiones con mayor potencial.

3. Ello significa, que se necesita implementar un enfoque integral que combine tectónica, geoquímica e incluso modelamiento predictivo, para así aumentar la probabilidad de identificar nuevos yacimientos. 

Agradecimientos

Expresamos nuestro profundo agradecimiento al Dr. Jesús Alberto Torres Guerra, por sus enseñanzas y por darnos la oportunidad de aprender sobre los sistemas minerales y al Ing. Alonso A. Marchena Campos por brindarnos la confianza y apoyarnos en el proyecto piloto de sistemas minerales en el área de Metalogenia del Ingemmet.

Bibliografía 

Bonhomme, M.G., Carlier, G. 1990. Relations entre magmatisme et minéralisations dans le Batholite d'Andahuaylas-Yauri (Sud Pérou): données géochronologiques. In: 2^nd International Symposium on Andean Geodynamics, Grenoble, France, pp. 329–331.

Cahill, T., Isacks, B.L. 1992. Seismicity and shape of the subducted Nazca plate. J. Geophys. Res. 97 (B12), 17,503–17,529.

Carlotto, V. 1998. Évolution andine et raccourcissement au niveau de Cusco (13-16°S), Pérou: enregistrement sédimentaire, chronologie, contrôles paléogéographiques, évolution cinémematique. Thèse Doct. Univ. Grenoble I, 159 p.

Marchena, A., Silva, M., Gómez, E. 2025. Aplicación del enfoque de Sistemas Minerales e Inteligencia Artificial para la predictibilidad de mineralización por elementos críticos. ProEXPLO 2025. Instituto de Ingenieros de Minas del Perú.

Mc Clay, K. R. 1992. Thrust Tectonics. Department of Geology Royal Holloway and Bedford New College University of London. Chapman & Hall., 447p.

McCuaig, T. & Beresford, S. & Hronsky, J. 2010. Translating the mineral systems approach into an effective exploration targeting system. Ore Geology Reviews. 38. 128-138. 

McCuaig, T.C., Hronsky, J.M.A. 2014. The mineral system concept: the key to exploration targeting. Society of Economic Geologists. Special Publication. 18, p. 153-175. 

Perelló, J., Carlotto, V., Zarate, A., Ramos, P., Posso, H., Neyra, C., Caballero, A., Fuster, N., Muhr, R., 2003. Porphyry-style alteration and mineralization of the middle Eocene to early Oligocene Andahuaylas - Yauri belt, Cuzco Region, Peru. Econ. Geol. 98, 1575–1605.

Perelló, J., Carlotto, V., Zárate, A., Ramos, P., Posso, H., Neyra, C., & Muhr, R. 2003. Porphyry-style alteration and mineralization of the middle Eocene to early Oligocene Andahuaylas-Yauri belt, Cuzco region, Peru. Economic Geology, 98(8), 1575-1605.

Rivera, R.; Acosta, J.; Heo, C.-H.; Ryoo, C.-R.; Bustamante, A.; Villarreal, E. & Santisteban, A. 2011. Metalogenia del Batolito Andahuaylas–Yauri y sus implicancias en la exploración de pórfidos Cu – Au. Lima: Instituto Geológico Minero y Metalúrgico. Dirección de Recursos Minerales y Energéticos, p. 17 

Wyborn, L. A. I., Heinrich, C. A., & Jaques, A. L. 1994. Australian Proterozoic mineral systems: essential ingredients and mappable criteria. In 1994 AusIMM Annual Conference: Australian Mining Looks North-the Challenges and Choices (pp. 109-115). Australasian Institute of Mining and Metallurgy.