Development and optimization of decentralized machine learning models in the context of sustainable mining

O obxectivo principal do presente traballo de investigación é desenvolver unha análise científica que axude a determinar que tecnoloxías emerxentes e, sobre todo en que escenarios, teñen maior potencial matemático e empresarial á hora de optimizar tóma decisións sobre a descarbonización do sector mineiro e a inminente demanda de minerais estratéxicos, logrando a implantación dunha minería máis sostible e eficiente. Dentro deste contexto, este traballo de investigación centrarase na análise de big data a partir do desenvolvemento de modelos de toma de decisións capaces de integrar e producir elicitación colectiva, onde se buscará optimizar matematicamente diferentes funcións de predición de carácter Bayesiano e/ou aprendizaxe profunda co fin de reducir a complexidade computacional e promover modelos de decisión baixo risco que maximicen o valor da información. Os modelos resultantes deberán ser auditables dende o punto de vista da programación, á vez que se desenvolven simulacións numéricas que dean lugar a modelos de decisión que consideren o custo asociado á adquisición da información. Ademais, buscarase propoñer un novo encaixe do uso da xeoestadística á hora de axudar aos expertos a elicitar probabilidades de forma máis obxectiva. Dende o punto de vista computacional, recorrerase á aplicación da teoría matemática da información, permitindo modelizar a incerteza en termos de entropía e información mutua entre as variables do escenario mineiro baixo análise a través de diagramas de influencia. En última instancia, profundarase no impacto do valor da flexibilidade nos modelos de decisión, expandindo os achados de Bratvold aplicados á industria petroleira do mar do Norte. Por tanto, este traballo de investigación considérase esencial e urxente á hora de profundar na análise de datos coa suficiente adquisición de información para levar a cabo precisas simulacións matemáticas que dean lugar a decisións óptimas.