با استفاده از الگوهای موجود در مراکز معدنی، یک مدل یادگیری ماشینی هوش مصنوعی جدید میتواند مکان عناصر معدنی کمیاب را در زمین و حتی در سیارات دیگر پیشبینی کند.
گزارش کردن تکناکاین پیشرفت برای علم و صنعت ارزش زیادی دارد، زیرا آنها به طور مداوم ذخایر معدنی را برای کشف تاریخ سیاره و استخراج منابع ارزشمند برای کاربردهای عملی، مانند باتری های قابل شارژ، کاوش می کنند.
تیمی به رهبری شانا موریسون و آنیرود پرابهو قصد داشتند یک روش توسعه برای شناسایی وجود مواد معدنی خاص. این هدف به طور سنتی به همان اندازه که یک علم است به عنوان یک هنر در نظر گرفته می شود. این فرآیند اغلب به تجربه فردی همراه با شانس بستگی دارد.
این تیم تحقیقاتی یک مدل یادگیری ماشینی ایجاد کرد که از اطلاعات پایگاه داده مراکز معدنی که شامل 295583 معدن و 5478 ذخایر معدنی است برای پیشبینی حضور مواد معدنی ناشناخته بر اساس قوانین انجمن استفاده میکند.
نویسندگان مدل خود را با کاوش در صحرای موهاوی در کالیفرنیا، یک محیط شناخته شده شبیه مریخ، آزمایش کردند. نتایج نشان داد که مدل قادر به پیشبینی مکان کانیهای مهم زمینشناسی از جمله اورانینیت، روترفوردیوم و سایر کانیها است.
علاوه بر این، این مدل مناطق امیدوارکننده ای را برای عناصر حیاتی خاکی کمیاب و مواد معدنی لیتیوم، از جمله مونازیت-(Ce) و آلانیت-(Ce) و اسپودومن شناسایی کرده است.
به گفته نویسندگان، تجزیه و تحلیل دادههای مراکز معدنی موجود میتواند یک ابزار پیشبینی قدرتمند برای کانیشناسان، سنگشناسان، زمینشناسان اقتصادی و دانشمندان سیارهشناسی باشد.
مقاله کشف عناصر کمیاب در زمین با کمک هوش مصنوعی برای اولین بار در خبرجو – اخبار دنیای فناوری پدیدار شد. ظاهر شد.
گفتگو در مورد این post