Juggernaut完成权证行权募资超千万美元
加拿大金属矿产勘探公司Juggernaut Exploration Ltd．于周一披露，公司已全额收到此前在2026年5月26日公布的0.75美元认股权证的行权资金，总额达1034.15万美元。该批权证的行使期限已于6月25日16时正式截止。 公司CEO丹·斯图尔特对现有机构及超高净值股东的鼎力支持致以谢意。他强调，作为一家勘探企业，Juggernaut当前拥有极为独特且稳健的财务格局——公司坐拥不列颠哥伦比亚省金三角区最受瞩目的勘探成果之一，资本架构精简，已发行流通股仅5004.46万股。自取得Big
Lexston Mining圭亚那设立子公司 深耕南美矿业版图
加拿大矿产勘探商Lexston Mining Corporation周一披露，已于圭亚那完成全资子公司Lexston Guyana Inc．的注册工作。该举措意在搭建本地化运营平台，助力企业研判圭亚那境内的矿产勘探机遇。 子公司的设立是Lexston战略扩张的关键环节。早前企业已委托国际律所Dentons Delany Inc．提供法务支撑，涵盖当地企业登记、税务备案及矿业法规咨询等领域。公司高层日前已亲赴圭亚那，对目标项目展开实地调研。 Lexston总裁Jag Bal指出，子公司的落成标志着圭亚那机遇
AI赋能矿产勘探：揭秘智能找矿的六步完整闭环
上篇我们分析了，为何复杂的矿产勘探无法依赖单一"超级大模型"。既然此路不通，AI找矿的突破口究竟在何处？关键不在于无限制堆叠算力，而在于专业分工与协同配合——这正是"矿业MoE混合专家模型"的核心价值。究竟何为矿业MoE混合专家模型？可将其想象为一条完整的智能找矿链条。它并非孤军奋战的AI，而是一套具备感知能力、理解地质规律、可持续进化的智能体系。今日，我们将深入剖析该架构，揭示它如何通过六步闭环，真正打通智能找矿的完整链路。首先将"地球"进行数字化处理。找矿的首要步骤，非推理莫属，而是先将矿区尽可能实现
智能大数据矿产勘探日报 (2026-05-07)
以下为结构化研究摘要。在严格的24小时时段内，未发现新的arXiv预印本。下列为近期已收录论文中的精选篇目（来源为arXiv的22篇论文库，发布于2025年及之后）：---本简报基于2026年05月07日 09:00-09:30期间收集的信源编写而成，涵盖的范围包括（arXiv 22篇论文）、国际新闻（Google/DDG/Bing 共计715条缓存记录 + RSS订阅279条）、国内新闻（百度/微信搜狗 610条缓存记录）、社区讨论（知乎/Reddit 共11条）。信息采集矩阵：26/34个步骤已完成，
AI探矿科普：遥感只是“眼睛”
在矿业领域，"AI找矿"已从理论走向实践。然而，许多人存在一个误区：认为"AI探矿"就是通过卫星遥感、高光谱分析和模型自动圈定靶区，只需扫描地表就能定位地下矿体。这种观点过于简单化了问题的本质。真正的AI找矿并非单一技术的突破，而是一个完整的系统工程。它需要数据体系、地质约束、模型能力、现场执行以及持续迭代的共同作用。遥感找矿在其中的角色更像是"感知层"，负责获取线索，而非直接决策。换句话说，它是一双"眼睛"，而不是"大脑"。本文将探讨三个核心问题：• 遥感找矿能做什么，不能做什么？• 为什么它必须融入更
AI助力矿业革命：从经验到概率
AI找矿代表了新一代矿产勘探方法的实现。通过结合数据和地质知识，它将传统的“经验盲找”转变为精确、高效且可重复的智能勘探系统，正在重塑全球关键金属勘探的格局。我们将从核心概念、技术特性以及标杆案例等方面全面解析真正的AI找矿。PART.01传统找矿面临的挑战与局限矿产勘探远不止是简单的“识别问题”。其困难之处在于：在无法直接观察地下的情况下，如何利用有限且不完全的数据，对复杂的地质系统作出尽可能准确的判断。在实际操作中，地质学家需整合多种类型的数据：地质绘图与构造分析地球物理场（重力、磁法、电法）地球化学