به گزارش آهن نیوز؛ تیمی به رهبری شونا موریسون و آنیرود پرابهو قصد دارند روشی برای مکان یابی مواد معدنی خاص ایجاد کنند؛ هدفی که به طور سنتی به عنوان یک هنر و به عنوان یک علم دیده می شود.

این تیم یک مدل یادگیری ماشینی ایجاد کرد که از داده‌های پایگاه داده Mineral Evolution، که شامل ۲۹۵۵۸۳ مکان معدنی از ۵۴۷۸ گونه معدنی است، استفاده می‌کند تا وقوع مواد معدنی ناشناخته قبلی را بر اساس قوانین انجمن پیش‌بینی کند.

نویسندگان مدل خود را با کاوش در حوضه Tecopa در صحرای Mojave، محیطی شبیه به مریخ، آزمایش کردند.این مدل همچنین قادر به پیش بینی مکان کانی های مهم زمین شناسی، از جمله اورانیت های تغییر یافته، رودرفوردن ها، آندرسونیت ها، کروکنگیریت ها، بیلیت ها و زیبیت ها بود.

علاوه بر این، این مدل مناطق امیدوارکننده ای را برای عناصر مهم خاکی کمیاب و مواد معدنی لیتیوم، از جمله مونازیت (Ce)، آلانیت (Ce)، و اسپودومن شناسایی کرد.

تجزیه و تحلیل همبستگی مواد معدنی می تواند یک ابزار پیش بینی کننده قدرتمند برای کانی شناسان، دانشمندان نفت، زمین شناسان اقتصادی باشد.

انتهای پیام/