Структура и текстура цирконов могут отражать условия, в которых они образовались, что принесло им репутацию природных капсул времени. И, согласно новому исследованию, с помощью машинного обучения ученые могут получать текстуры циркона для выявления ценных месторождений полезных ископаемых.
В новом исследовании, опубликованном в Journal of Geophysical Research: Solid Earth, Четан Натвани (Chetan Nathwani) и его коллеги разработали метод определения мельчайших отличий между зернами циркона, образованными в породах, связанных с медью, и в гранитных породах. Их метод может помочь ученым искать месторождения полезных ископаемых и исследовать происхождение различных отложений.
Исследователи использовали инструмент машинного обучения, называемый сверточной нейронной сетью (CNN), который специализируется на анализе изображений. Используя образцы, собранные на юге Перу, регионе, где добывается большая часть меди в мире, они обнаружили, что CNN может идентифицировать формы и текстуры, уникальные для цирконов, обнаруженных вблизи месторождений меди. Модель может отличить эти цирконы, связанные с медью, от цирконов, обнаруженных в других породах в регионе, с вероятностью успеха 85%.
Медь имеет широкое промышленное применение, от электроники до строительства, и исследование показывает, что сочетание машинного обучения с более традиционными методами может упростить исследование и выявление месторождений меди.
Источник: Chetan L. Nathwani et al, Mineral Texture Classification Using Deep Convolutional Neural Networks: An Application to Zircons From Porphyry Copper Deposits, Journal of Geophysical Research: Solid Earth (2023). DOI: 10.1029/2022JB025933