Поиск полезных ископаемых и экономически выгодных месторождений редких минералов требует значительных ресурсозатрат. Чтобы решить эту проблему, группа американских исследователей создала алгоритм машинного обучения, который умеет предсказывать наличие определённых минералов в указанном месте на Земле. Исследование опубликовано в журнале PNAS Nexus.
Учёные использовали базу данных Mineral Evolution (MED), которая содержит информацию о пяти с половиной тысячах уникальных видов минералов и около 300 тысячах их месторождений. На основе MED учёные обучили искусственный интеллект выявлять особенности геологических образцов, которые указывают на наличие редких и ценных минералов. Для обучения применялся ассоциативный анализ минералов — это метод машинного обучения, который выявляет взаимосвязи между различными элементами, например, видами минералов. Данный метод анализирует совпадение и определяет ассоциативные правила: от высокой корреляции (т.е. сильной ассоциации) до слабой корреляции или её отсутствии между элементами.
Ассоциативный анализ минералов может быть использован для ответа на многие вопросы, представляющие научный интерес, включая следующие:
- Какой запас полезных ископаемых в заданном местоположении?
- Каковы наиболее вероятные места обнаружения новых залежей определённого вида минералов?
- В каких местах с наибольшей вероятностью можно найти скопление минералов, соответствующее конкретным геологическим условиям, окружающей среде или типу месторождения?
- Чем отличаются правила ассоциации для минералов из разных геологических временных интервалов?
Объединяя базу данных MED с информацией о тектонике плит, скорости формирования гранитной коры и других явлениях, алгоритм машинного обучения определяет, где могут находиться запасы минералов и в каком количестве. Результаты, полученные с помощью этого метода, можно изучать, интерпретировать и контролировать с помощью интерактивных визуализаций.
Созданный алгоритм протестировали в октябре 2020 года на участке бассейна Текопа в пустыне Мохаве на юго-западе США. Считается, что это место представляет собой аналог марсианской среды обитания. Во время исследования искусственный интеллект выявил закономерности, свойственные месторождениям, а также смог точно определить наличие редких и ценных минералов, таких как настуран (уранинит), андерсонит, шрекингерит и циппеит. Кроме того, алгоритм обнаружил перспективные области для поиска минералов лития и редкоземельных элементов, например, монацита и ортита (алланита). Также учёные сделали ряд прогнозов об обнаружении урансодержащих минералов в различных местах. Некоторые из этих прогнозов уже подтвердились.
Как отмечают исследователи, у применения искусственного интеллекта в горнодобывающей промышленности есть ряд преимуществ:
- Обнаружение новых месторождений минералов.
- Уменьшение затрат на бурение и разведку месторождений полезных ископаемых за счёт повышения точности поиска.
- Исключение ненужной разработки и уменьшение количества отходов и выбросов при добыче полезных ископаемых благодаря знанию конкретного расположения месторождений.
Учёные также предполагают, что в будущем новый алгоритм машинного обучения будет применяться и на других планетах. Используя данные о геологии и астробиологии Луны и Марса, искусственный интеллект сможет определять местонахождения полезных ископаемых во всей Солнечной системе.