AIを活用して希少鉱物を見つける

Jul 02, 2023

機械学習モデル鉱物の関連性のパターンを利用することで、地球上の鉱物の位置、および場合によっては他の惑星上の鉱物の位置を予測できます。 科学と産業は、地球の歴史をより深く理解し、充電式バッテリーなどの技術で使用するために鉱物を抽出するために鉱床を探しています。 Shaunna Morrison 氏、Anirudh Prabhu 氏らは、特定の鉱物の出現を見つけるためのツールの作成を目指しました。この作業は長い間、個人の経験と健全な幸運に頼る、科学であると同時に芸術のようなものでした。 研究チームは、5,478 種類の鉱物種の 295,583 の鉱物産地を含む鉱物進化データベースのデータを使用する機械学習モデルを作成し、相関ルールに基づいてこれまで知られていなかった鉱物の出現を予測しました。

著者らは、火星のアナログ環境としてよく知られているモハベ砂漠のテコパ盆地を探索してモデルをテストしました。 このモデルは、ウラン鉱変質、ラザフォーディン、アンダーソナイト、シュレキンゲライト、ベイリー石、ジッペイトなどの地質学的に重要な鉱物の位置を予測することもできました。 さらに、このモデルは、モナザイト (Ce)、アラナイト (Ce)、スポジュメンなどの重要な希土類元素およびリチウム鉱物の有望な領域を特定しました。 著者らによると、鉱物関連分析は鉱物学者、岩石学者、経済地質学者、惑星科学者にとって強力な予測ツールとなり得るという。

- このプレスリリースは PNAS Nexus によって提供されました