Nuevo modelo de aprendizaje automático detecta minerales raros en la Tierra y otros planetas


Los científicos han inventado un modelo de aprendizaje automático que puede predecir la ubicación de los minerales en la Tierra, e incluso en otros planetas, aprovechando los patrones en las asociaciones de minerales. 

Esto es según un comunicado de prensa publicado el miércoles por Phys.org . 

Shaunna Morrison, Anirudh Prabhu y sus colegas diseñaron con éxito una herramienta para encontrar ocurrencias de minerales específicos basándose en la experiencia individual, junto con un poco de suerte.

Para hacer esto, utilizaron datos de la base de datos de Evolución Mineral, que incluye 295.583 localidades minerales de 5.478 especies minerales, para predecir ocurrencias minerales previamente desconocidas basadas en reglas de asociación. Los investigadores probaron su modelo en la cuenca Tecopa en el desierto de Mojave.

El modelo de aprendizaje automático también pudo identificar las ubicaciones de minerales geológicamente importantes, incluida la alteración de uraninita, rutherfordina, andersonita, schröckingerita, bayleyita y zippeita.

También identificó áreas prometedoras para elementos críticos de tierras raras y minerales de litio, incluida la monacita-(Ce), la alanita-(Ce) y la espodumena. 

Una poderosa herramienta predictiva

Ahora, los científicos esperan que su invento sea una poderosa herramienta predictiva para mineralogistas, petrólogos, geólogos económicos y científicos planetarios, según Phys.org .

Los depósitos minerales encontrados a través de este proceso servirán tanto para comprender mejor la historia de nuestro planeta como para extraerlos para su uso en tecnologías como baterías recargables.

En enero de 2023, se encontró en Suecia el mayor depósito de metales de tierras raras de Europa, que mide más de un millón de toneladas métricas . La compañía minera estatal del país, LKAB, encontró grandes cantidades de metales de tierras raras en Kiruna, en el norte de Suecia, conocida por sus minas de mineral de hierro.

“Este es el depósito más grande conocido de elementos de tierras raras en nuestra parte del mundo, y podría convertirse en un componente importante para producir las materias primas críticas que son absolutamente cruciales para permitir la transición ecológica. Nos enfrentamos a un problema de suministro. Sin minas , no puede haber vehículos eléctricos”, dijo Jan Moström, presidente y director ejecutivo del grupo LKAB, en ese momento en un comunicado.

El artículo se publica en la revista PNAS Nexus.

Resumen del estudio:

La ubicación de los minerales y los entornos de formación de minerales, a pesar de ser de gran importancia científica e interés económico, a menudo son difíciles de predecir debido a la naturaleza compleja de los sistemas naturales. En este trabajo, abordamos la complejidad y el “desorden” inherente de los sistemas geológicos, químicos y biológicos entrelazados de nuestro planeta mediante el empleo del aprendizaje automático para caracterizar los patrones integrados en la multidimensionalidad de la ocurrencia y las asociaciones de minerales. Estos patrones son un producto de la historia evolutiva dinámica de la Tierra y, por lo tanto, ofrecen una visión de ella. El análisis de asociación de minerales cuantifica multicorrelaciones de alta dimensión en localidades de minerales en todo el mundo, lo que permite la identificación de ocurrencias de minerales previamente desconocidas, así como ensamblajes de minerales y sus modos paragenéticos asociados. En este estudio, hemos predicho (i) el inventario de minerales previamente desconocido del sitio análogo a Marte, la cuenca de Tecopa, (ii) nuevas ubicaciones de minerales de uranio, particularmente aquellas importantes para comprender la historia de oxidación-hidratación de la uraninita, (iii) nuevos depósitos de minerales críticos, específicamente elementos de tierras raras (REE) y fases que contienen Li, y (iv) cambios en la mineralización y asociaciones de minerales a lo largo del tiempo, incluida una discusión de posibles sesgos en los datos mineralógicos y el muestreo; además, hemos (v) probado y confirmado varias de estas predicciones de ocurrencia de minerales en la naturaleza, proporcionando así la verdad básica del método predictivo. El análisis de asociación de minerales es un método predictivo que mejorará nuestra comprensión de la mineralización y los entornos de mineralización en la Tierra, en todo nuestro sistema solar.

Deja una respuesta