Les scientifiques ont présenté BRUMEun nouvel algorithme qui identifie rapidement les minéraux à partir de données chimiques.Mist automatise un processus traditionnellement lent et dépendant des experts, rationalisant l’exploration et l’exploitation minière.
L’étude, publiée dans un nouveau numéro de Ordinateurs et géosciencesprésente la brume – Identification minérale par Stoechiométrie—Un outil de calcul qui classe les minéraux basés sur les données de composition de l’oxyde. Il remplace la pétrographie et la spectroscopie manuelles, offrant une méthode standardisée plus rapide pour traiter de vastes ensembles de données générés lors de l’exploration.
Les chercheurs notent que cela représente un progrès majeur dans la science des données géoscientes, car l’apprentissage automatique dépend de données de haute qualité, et la brume garantit que les données sont précises et uniformes. Disponible sur Mist.rice.edu, l’outil est déjà utilisé en science planétaire, notamment en analysant les données chimiques collectées par Mars Rovers de la NASA.
Un chercheur scientifique a noté que MIST a été initialement développé pour interpréter les minéraux sur Mars et maintenant il s’avère tout aussi utile pour étudier les roches ici sur Terre.
Dans une interview Phys.orgKirsten Siebach, professeure adjointe de la terre, de l’environnement et des sciences planétaires et auteur principal de l’étude, a déclaré: «Mist prend un processus fastidieux et expertise et le rend accessible en quelques secondes. Vous n’avez pas à savoir déjà quel minéral vous regardez – la mise en service peut le comprendre de la chimie.»
L’identification des minéraux est cruciale pour la géologie minière, affectant les techniques de quantification des ressources et d’extraction. Les méthodes coutumières reposent sur des textures et des propriétés optiques, qui, bien que précises, sont trop lentes pour les grands dépôts ou l’exploration à un stade précoce. La conversion de grands ensembles de données analytiques en ID minéraux précises est élaboré par la variabilité minérale et les substitutions élémentaires. Les approches existantes axées sur la base de données ou l’apprentissage automatique manquent souvent de cohérence ou nécessitent des données de formation approfondies.
MIST aborde ces questions en appliquant des règles stoechiométriques basées sur des formules minérales connues. Il fournit un cadre reproductible qui transforme les données de composition brutes en classifications fiables.
La brume analyse les pourcentages d’oxyde, normalise les données et les compare aux frontières stoechiométriques à partir de formules établies. Implémenté dans MATLAB avec une version en ligne, MIST s’intègre en douceur aux workflows géochimiques existants.
Appliqué à de grands référentiels tels que Georoc, Mist a identifié plus de 200 espèces minérales de plus de 875 000 analyses. Il a généré des formules standardisées, des membres d’extrémité signalés et inclus des vérifications de qualité comparant la stoechiométrie mesurée avec des valeurs idéales. Des études de cas sur les roches ignées et métamorphiques ont démontré la capacité de Mist à identifier les minéraux comme les clinopyroxènes, les feldspaths et les sulfates tels que l’anhydrite – en fonction des substitutions élémentaires qui ont un impact sur le traitement des minéraux.
Les développeurs déclarent que MIST améliore la fiabilité de la base de données minéraux, améliore les estimations des ressources et fournit des données plus propres pour les modèles d’apprentissage automatique. Malgré certaines limites, comme des critères étroits pour certains minéraux ou des difficultés à gérer les phases mixtes, l’outil marque un pas en avant significatif dans l’identification minérale à grande échelle.
L’impact principal de Mist peut résider dans l’amélioration et l’annoting de grandes bases de données minérales pour les applications d’apprentissage automatique. L’équipe l’a appliqué pour filtrer plus d’un million d’analyses de la base de données géochimique Georoc, convertissant 875 000 enregistrements minéraux en un format standardisé adapté à la formation d’IA et à la recherche géologique à grande échelle.
La brume permet une interprétation plus rapide des données géochimiques, cruciale pendant l’exploration précoce pour la prise de décision rapide. Il améliore le contrôle de la qualité en détectant les anomalies indiquant la contamination ou l’altération, commune dans les échantillons de minerai. L’incorporation du contexte minéralogique plus clair améliore les estimations des ressources et guide des stratégies de traitement plus efficaces.
Les auteurs soulignent que la brume complète l’identification traditionnelle basée sur la texture, offrant une classification rapide des premiers pass pour guider une analyse détaillée. Le cadre peut évoluer pour inclure de nouvelles espèces minérales et affiner les règles stœchiométriques, en suivant le rythme des progrès de l’industrie.
En fournissant une identification minérale plus rapide, évolutive et plus cohérente, MIST soutient une évolution vers les pratiques minières basées sur les données, conduisant finalement à un développement des ressources plus efficace et durable.