Машинное обучение может совершить революцию в минеральной разведке

В новом исследовании, опубликованном в Journal of Geophysical Research: Solid Earth, ученые представили два новых метода машинного обучения для поиска глубоко залегающих порфировых медных месторождений. Эти месторождения являются ключевым источником не только меди, но и золота, молибдена, рения и редкоземельных элементов, критически важных для современных технологий. Методы Zou et al. направлены на оценку плодородности магмы — способности формировать богатые руды — с помощью анализа химического состава циркона.

Точность новых алгоритмов — случайного леса и глубокой нейронной сети — превышает 90%, а уровень ложноположительных результатов составляет 10% и 15% соответственно. Это существенное улучшение по сравнению с традиционными геохимическими индикаторами, для которых характерен показатель в 23–66%. Модели, обученные на глобальном наборе данных по 15 микроэлементам, успешно прошли валидацию на независимых данных из Канады и Китая, показав свою эффективность вне зависимости от региональных геологических различий.

Результаты подчеркивают потенциал машинного обучения как точного и надежного инструмента для открытия новых месторождений в условиях, когда крупные и доступные залежи уже в значительной степени выработаны, а спрос на металлы продолжает расти.