مدل یادگیری ماشین می‌تواند مواد معدنی کمیاب را بر روی زمین و دیگر سیارات شناسایی کند

به گزارش میمتالز، شاونا موریسون (Shaunna Morrison) و آنیرود پرابهو (Anirudh Prabhu) به همراه همکارانشان توانستهاند با موفقیت ابزاری را برای یافتن مواد معدنی خاص با تکیه بر تجربه فردی و البته کمی شانس طراحی کنند.محققان از یک پایگاه داده تکاملی که شامل ۲۹۵۵۸۳ مکان برای ۵۴۷۸ گونه معدنی برای پیش بینی مکان مواد معدنی بر اساس قوانین وابستگی است استفاده کردند. آنها این مدل را در حوضه Tecopa در صحرای موجاوه نیز آزمایش کرده اند.این مدل ماشین لرنینگ همچنین میتواند مکان کانیهای مهم در زمین شناسی مانند دگرسانی اورانینیت (Uraninite alteration)، رادرفوردین (Rutherfodine)، آندرسونیت (Andersonite)، شروکینگریت (Schrockingerite)، بالیت (Bayleyite) و زیپیت (Zippeite) را مشخص کند.این مدل توانست مکانهایی که احتمال وجود عناصر حیاتی کمیاب و برخی کانیهای لیتیوم از جمله مونازیت، آلانیت و اسپودومن در آنها زیاد است را شناسایی کند. ابزاری قوی برای پیشبینی اکنون دانشمندان امیدوارند اختراع آنها ابزار پیش بینی قدرتمندی برای معدن شناسان، سنگ شناسان، زمین شناسان و حتی اخترشناسان باشد.ذخایر معدنی کشف شده در این فرآیند هم برای استخراج برای استفاده در تکنولوژیهای مختلف استفاده میشود و هم به ما کمک میکنند که تاریخ سیاره خود را بهتر درک کنیم.در ژانویه ۲۰۲۳، بزرگترین ذخایر فلزات کمیاب اروپا که تخمین زده میشود بیش از ۱ میلیون تن فلز در آن یافت شود در سوئد کشف شد. شرکت معدنی دولتی سوئد، LKAB، مقادیر زیادی فلزات کمیاب در Kiruna در شمال این کشور که به خاطر معادن سنگ آهنش معروف است پیدا کرد.یان موستروم، مدیرعامل شرکت LKAB در بیانیهای گفت: این بزرگترین ذخیره منبع شناخته شده از عناصر کمیاب خاکی در این منطقه از جهان است که میتواند به یک بلوک مهم برای تولید مواد خام حیاتی برای گذار سبز تبدیل شود. ما با یک مشکل بزرگ روبهرو هستیم؛ بدون معادن، تولید خودروهای الکتریکی غیرممکن خواهد بود. منبع: اروتک