با استفاده از الگوهای موجود در مراکز معدنی، یک مدل جدید یادگیری ماشین هوش مصنوعی می تواند مکان عناصر کمیاب معدنی روی زمین و حتی به طور بالقوه روی سیارات دیگر را پیش بینی کند.
به گزارش تکناک، این پیشرفت برای علم و صنعت ارزش بسیار زیادی دارد، زیرا آنها به طور مداوم ذخایر معدنی را برای کشف تاریخ سیاره و استخراج منابع با ارزش برای کاربردهای عملی، مانند باتری های قابل شارژ، کاوش می کنند.
تیمی به رهبری شانا موریسون و آنیرود پرابهو قصد داشتند روشی را برای شناسایی وجود کانی های خاص توسعه دهند. این هدف به طور سنتی به همان اندازه که یک علم است، هنر نیز تلقی میشود. این فرآیند اغلب به تجربه فردی همراه با خوش شانس بستگی دارد.
این تیم تحقیقاتی یک مدل یادگیری ماشینی ایجاد کرد که از اطلاعات پایگاه داده مراکز معدنی، که شامل 295،583 معدن و 5478 کانی معدنی است، برای پیشبینی وجود مواد معدنی ناشناخته بر اساس قوانین ارتباط استفاده میکند.
نویسندگان مدل خود را با کاوش در بیابان موهاوی در کالیفرنیا، که یک محیط مشابه معروف مریخ، آزمایش کردند.نتایج نشان داد این مدل قادر به پیشبینی مکانهای کانیهای مهم زمینشناسی، از جمله اورانینیت، رادرفوردیم و سایر کانی ها بوده است.
علاوه بر این، این مدل مناطق امیدوارکنندهای را برای عناصر حیاتی خاکی کمیاب و کانیهای لیتیوم، از جمله مونازیت-(Ce) و آلانیت-(Ce) و اسپودومن یافته است.
به گفته نویسندگان، تجزیه و تحلیل داده های مراکز معدنی موجود می تواند یک ابزار پیش بینی کننده قدرتمند برای کانی شناسان، سنگ شناسان، زمین شناسان اقتصادی و دانشمندان سیاره شناسی باشد.