کشف کانی‌های کمیاب با هوش مصنوعی تسهیل شد

به گزارش خبرنگار خبرگزاری علم و فناوری آنا، یک مدل یادگیری ماشینی جدید با استفاده از الگو‌ها در همیافتی کانیایی (گروهی از کانی‌ها که در کنار یکدیگر در سنگ‌ها خصوصاً سنگ‌های رسوبی دیده می‌شوند)، می‌تواند مکان کانی‌ها را در زمین و به‌طور بالقوه، سیارات دیگر پیش‌بینی کند. این پیشرفت برای علم و صنعت ارزش بسیار زیادی دارد، زیرا در صنعت و علم، از رسوبات معدنی برای کشف تاریخ سیاره و استخراج منابع برای کاربرد‌های عملی، مانند باتری‌های قابل شارژ، استفاده می‌شود.

تیمی به رهبری شانا موریسون (Shaunna Morrison) و انیردو پرابهو (Anirudh Prabhu) باهدف توسعه روشی برای شناسایی وقوع کانی‌های خاص تشکیل شد. این تیم یک مدل یادگیری ماشینی ایجاد کرد که از داده‌های پایگاه داده تکامل معدنی، که شامل ۲۹۵۵۸۳ محل معدنی از ۵۴۷۸ گونه معدنی است، برای پیش‌بینی وقوع مواد معدنی ناشناخته قبلی بر اساس قوانین انجمنی استفاده می‌کند.

پژوهشگران مدل خود را در منطقه «تسکوپا» (Tecopa) (یک مکان در جنوب شرقی شهرستان اینیو، کالیفرنیا) در صحرای «موجاو» (Mojave)، که یک محیط مشابه مریخ است، آزمایش کردند.

این مدل همچنین قادر به پیش‌بینی مکان‌های کانی‌های مهم زمین‌شناسی، ازجمله دگرسانی اورانینیت، رادرفوردین، آندرسونیت، و شروکینگریت، بای‌لیت و زیپیت است. علاوه بر این، این مدل مناطقی را که ممکن است عناصر خاکی کمیاب و کانی‌های لیتیومی، ازجمله «مونازیت - (Ce)» (monazite- (Ce)) و «آلانیت- (Ce)» (allanite- (Ce)) و «اسپودومن» (spodumen) داشته باشند، شناسایی کرد.

به گفته پژوهشگران، تجزیه‌وتحلیل همیافتی کانیایی می‌تواند یک ابزار پیش‌بینی قدرتمند برای کانی شناسان، سنگ شناسان، زمین شناسان اقتصادی و دانشمندان سیاره شناسی باشد.