通过利用矿物关联的模式，一种新的机器学习模型可以预测地球上以及其他行星上矿物的位置。这一进步对科学和工业具有巨大价值，因为它们不断探索矿藏以解开地球的历史并开采可充电电池等实际应用的资源。
由 Shaunna Morrison 和 Anirudh Prabhu 领导的团队旨在开发一种识别特定矿物出现情况的方法，这一目标传统上被认为既是一门艺术，也是一门科学。这个过程通常取决于个人经验以及良好的运气。
该团队创建了一个机器学习模型，使用矿物演化数据库（该数据库包括 5,478 种矿物的 295,583 个矿物产地）的数据，根据关联规则预测以前未知的矿物出现情况。
作者通过探索莫哈韦沙漠中的特科帕盆地（著名的火星模拟环境）来测试他们的模型。该模型还能够预测地质上重要矿物的位置，包括铀矿蚀变、卢瑟福丁、钙钠长石、斯洛金矿、贝雷石和锌铝矿。
此外，该模型还确定了关键稀土元素和锂矿物的有前景区域，包括独居石（Ce）、铝铜矿（Ce）和锂辉石。这组作者表示，矿物关联分析可以成为矿物学家、岩石学家、经济地质学家和行星科学家的强大预测工具。
通过利用矿物关联的模式，一种新的机器学习模型可以预测地球上以及其他行星上矿物的位置。这一进步对科学和工业具有巨大价值，因为它们不断探索矿藏以解开地球的历史并开采可充电电池等实际应用的资源。
由 Shaunna Morrison 和 Anirudh Prabhu 领导的团队旨在开发一种识别特定矿物出现情况的方法，这一目标传统上被认为既是一门艺术，也是一门科学。这个过程通常取决于个人经验以及良好的运气。
该团队创建了一个机器学习模型，使用矿物演化数据库（该数据库包括 5,478 种矿物的 295,583 个矿物产地）的数据，根据关联规则预测以前未知的矿物出现情况。
作者通过探索莫哈韦沙漠中的特科帕盆地（著名的火星模拟环境）来测试他们的模型。该模型还能够预测地质上重要矿物的位置，包括铀矿蚀变、卢瑟福丁、钙钠长石、斯洛金矿、贝雷石和锌铝矿。
此外，该模型还确定了关键稀土元素和锂矿物的有前景区域，包括独居石（Ce）、铝铜矿（Ce）和锂辉石。这组作者表示，矿物关联分析可以成为矿物学家、岩石学家、经济地质学家和行星科学家的强大预测工具。
