DOE’s Office of Critical Minerals and Energy Innovation Announces $29.5 Million for National Laboratory Mining Projects | Department of Energy

t reduce risk and support future pilot‑scale operations.
Lawrence Berkeley National Laboratory (Berkeley, California)
NOREX: Non-Destructive Ore Characterization via Integrated Spectroscopy for Efficient Sorting: This project develops an advanced ore‑sorting system that uses nuclear sensing and AI to directly measure what’s in the rock and sort minerals more efficiently.
Subsurface Electrochemical Ore Leaching (SEOL): Geochemical Optimization for Lithium Recovery from Geologic Clay Deposits: This project advances a new method that uses low‑voltage electrochemical reactions inside fract

原文链接:https://stage.energy.gov/cmei/articles/does-office-critical-minerals-and-energy-innovation-announces-295-million-national

共享矿业发展机遇:中国愿与世界各国“以绿色守护未来,以智能驱动发展”_制造强国_省工业和信息化厅

谱-图-元素合一数据采集,每日扫描效率可达250-300m、综合模式每日扫描效率可达80-120m。津海威视新研发的多模态AI凌空智能分选设备,利用智能模型可实现360度的贵金属矿石的同步检测、筛分,每秒可以处理超过5000块矿石。
刘
国洪表示,面向未来,中国愿与各方深化勘查开采、技术装备、标准规则和人才培养等方面合作,带动基础设施建设,促进经济发展,创造更多就业,让合作红利公平惠及各方,共同维护全球产供链安全稳定。中铁资源集团全景

原文链接:https://gxt.hlj.gov.cn/gxt/c107048/202609/c00_31975341.shtml

Process optimization and decoupling multi-parameter interaction in ion adsorption rare earth ore leaching via a machine learning approach—-Institute of Hydrobiology, Chinese Academy of Sciences

, which can be costly and inefficient. In this study, extensive historical data were collected from literature, and a dataset consisted of 2365 sets of data involving 14 input variables and 1 output variable was constructed after careful selection. Subsequently, 6 machine learning algorithms were trained, tuned, and compared. The optimized gradient boosting regressor model with RMSE of 7.874 % and R2 of 0.9063 for the test set was deemed robust and reliable. Leaching time was identified as the most influential factor on the extraction efficiency of rare earth oxides, followed by the concentrat

原文链接:http://english.ihb.cas.cn/sourcedb/thesisn/202607/t20260703_1175856.html

赣州稀土产业加快数智化转型_兴国党务公开网

统高性能烧结钕铁硼速凝薄片合金,入选江西省“5G+工业互联网”应用示范企业。
面对稀土新材料研发周期长、原料成本高的行业瓶颈,我市积极推进人工智能与稀土产业融合发展,让研发少走弯路、提质增效。江西冠英科技集团自研AI大模型,通过数据驱动模拟替代部分实验试错,将稀土永磁体样品开发周期缩短2/3,原料成本降低60%以上,产品次品率下降10%。据测算,AI技术将使赣州稀土企业研发效率提升200%,年降本规模超5亿元。(记者张惠婷)

原文链接:http://www.xgdw.gov.cn/n338660/n338840/c423507/content.html

我国面向全球首次发布“智能找矿”系统 开启地质找矿智能新范式

”系统 开启地质找矿智能新范式
9月11日,自然资源部在2026中国国际矿业大会上,面向全球首次正式发布“智能找矿(AI-OreSeeking)”系统(以下简称“系统”)。该系统由中国地质调查局自主研发,为矿产资源预测评价提供 一
式智能化解决方案,标志着地质找矿工作正式从“经验驱动”跨入“智能驱动”的全新阶段,为全球矿产勘查领域带来了新的技术范式。
功能方面,系统实现了全要素的统一调度与综合应用。集地质矿产大数据管理、知识管理、

原文链接:https://m.cgs.gov.cn/ddyw/202609/t20260911_868294.html

赋能传统行业升级:AI驱动的稀土金属冶炼新范式

赋能传统行业升级:AI驱动的稀土金属冶炼新范式
2025/8/28
行业痛点与技术机遇
在战略性新兴产业快速发展的背景下
方法依赖操作工肉眼判断终点颜色,易受环境光照干扰。AI视觉系统通过建立RGB-HSV双色空间模型,精准捕捉pH值变
可下降23%。通过物料平衡算法优化尾矿回收方案,使伴生矿产资源综合利用率提升至85%以上。建立全生命周期碳足
向
持续迭代方向包括:开发适用于复杂地质条件的自适应采选模型;探索量子计算加速分子动力学仿真;构建跨厂

原文链接:https://tokol.com/news-detail.html?no=20250828104033195834

AI赋能广东稀有金属矿床找矿预测

AI赋能广东稀有金属矿床找矿预测
作者: 发布时间:2026-05-09 点击数:- 次
近日,省地调院联合中山大学团队,聚焦广东省及华南地区战略性稀有金属矿产勘查重大需求,在大数据人工智能驱动矿产预测领域取得关键理论与技术
新。研究以华南稀有金属矿床为核心对象,在传统地质勘查研究成果基础上,创新构建融合矿床成因与找矿标志的智能知识图谱,为广东省战略性矿产实现智能化、精准化、高效化找矿预测与勘查提供全新技术支撑与应用范式。

原文链接:http://dzj.gd.gov.cn/dzdcyjy/xwbbgzyw/content/mpost_4895454.html

国运又来了,冕宁县探明世界级稀土巨矿,美地质调查局紧盯

。
如果说以前找矿是靠老一代地质队员用脚丈量、用铁锤敲打,那现在咱们玩的就是纯正的科技与狠活。
这次找矿突破的背后,是我们把最前沿的AI人工智能算法,直接深度绑定到了地质勘探的流程中。
通过建立极其复杂的多
数据三维模型,AI系统能够精准预测数千米深部盲矿体的具体位置和走向。
这就好比给勘探钻机装上了透视眼,指哪打哪。
这充分证明了,中国在极其复杂地质条件下的深部找矿技术,已经悄无声息地走在了全球的最前列。
我
本文作者:赫埰足球解说

原文链接:https://c.m.163.com/news/a/KP1BHNTD0556DGTD.html

稀土领域前沿交叉研判研究报告—-中国科学院学部·学术引领

和提取难度较大。遥感勘查、深海开发、超导磁选、生物提取等新兴稀土探采选技术成为稀土产业发展的前沿领域。卫星遥感稀土“光谱指纹”结合AI算
法异常区筛选,精准圈定找矿靶区;深海采矿船及机器人技术突破,助力深海采矿平台搭建;浮团聚磁选技术与稀土超导磁选技术大幅提升选矿回收率;
米孔稀土分选技术实现所有稀土元素的精准区分;生物浸出技术显著减少稀土开采的环境污染。
中游涵盖稀土永磁、催化、抛光、光学、储氢等功能材

原文链接:https://academics.casad.cas.cn/zlyj/qyjcyp/202507/t20250726_5077864.html

Digging for Green Tech: How KoBold Metals uses AI to find rare earth minerals

Digging for Green Tech: How KoBold Metals uses AI to find rare earth minerals
AI Discussions
the-batch, ai-discussions
natalia.farfan
January 23, 2023, 8:59pm
Digging for Green Tech_ How KoBold Mining uses AI to find rare earth minerals. – The Batch _ DeepLea 920×517 127 KB
The metals needed to meet rocketing demand for electric cars and renewable power plants are in short supply. A startup is using machine learning to discover new sources.
What’s new: KoBold Metals invested $150 million to develop a copper mine in Zambia. With funding backed by OpenAI founder Sam Altman, Jeff Bezos, Richar

原文链接:https://community.deeplearning.ai/t/digging-for-green-tech-how-kobold-metals-uses-ai-to-find-rare-earth-minerals/261598