Использование искусственного интеллекта для поиска редких минералов

Машинное обучение способно предсказывать местоположение минералов на Земле и других планетах, выявляя закономерности в их совместном нахождении. Поиск месторождений важен как для понимания истории нашей планеты, так и для добычи сырья, используемого в технологиях, например, в аккумуляторных батареях.

Исследователи под руководством Шонны Моррисон и Анирудха Прабху разработали инструмент для поиска конкретных минералов, что традиционно было сложной задачей, зависящей от опыта и удачи. Они создали модель машинного обучения на основе данных из Mineral Evolution Database, содержащей сведения о 295 583 местонахождениях 5 478 видов минералов. Модель предсказывает неизвестные ранее места нахождения минералов на основе правил ассоциации.

Модель была протестирована в бассейне Тесопа в пустыне Мохаве — среде, считающейся аналогом марсианской. Она успешно предсказала местоположение геологически важных минералов, таких как продукты изменения уранинита, ратерфордин, андерсонит, шрёкингерит, байлеит и циппеит. Кроме того, модель определила перспективные районы для поиска критически важных редкоземельных элементов и литиевых минералов, включая монацит-(Ce), алланит-(Ce) и сподумен.

По мнению авторов, анализ минеральных ассоциаций может стать мощным прогностическим инструментом для минералогов, петрологов, геологов-экономщиков и планетологов. Исследование опубликовано в журнале PNAS Nexus.