機器學習模型可以利用礦物關聯的模式來預測地球上以及其他行星上礦物的位置。 科學和工業尋找礦藏，以便更好地了解地球的歷史，並提取用於可充電電池等技術的礦藏。
Shaunna Morrison、Anirudh Prabhu 及其同事試圖創建一個尋找特定礦物質的存在，長期以來，這項任務既是一門藝術，也是一門科學，依賴個人經驗和運氣。
該團隊創建了一個該資料庫使用礦物演化資料庫（其中包括 5,478 種礦物的 295,583 個礦物產地）的數據，根據關聯規則預測以前未知的礦物出現情況。 作者透過探索莫哈韋沙漠中的特科帕盆地（著名的火星模擬環境）來測試他們的模型。
該模型還能夠預測地質上重要礦物的位置，包括鈾礦蝕變、盧瑟福丁、鈣鈉石、石鉻礦、貝雷石和鋅鋁礦。
此外，該模型還確定了關鍵稀土元素和鋰礦物的有前景區域，包括獨居石（Ce）、鋁銅礦（Ce）和鋰輝石。 這組作者表示，礦物關聯分析可以成為礦物學家、岩石學家、經濟地質學家和行星科學家的強大預測工具。
論文發表在期刊上美國國家科學院院刊。
由 PNAS Nexus 提供
引文：利用 AI 尋找稀有礦物（2023 年 5 月 17 日），2024 年 5 月 30 日取自 https://webbedxp.com/science/jamaal/news/2023-05-ai-rare-minerals.html
本文件受版權保護。 除私人學習或研究目的的公平交易外，未經書面許可不得複製任何部分。 內容僅供參考。
