100 momenti di Le Mans dell'era DSC (31
Oct 21, 2023100 momenti di Le Mans dell'era DSC (31
May 22, 202310 auto Porsche classiche che puoi acquistare per meno di $ 20.000
Dec 17, 202310 auto Porsche classiche che puoi acquistare per meno di $ 20.000
Mar 13, 2023Primo sguardo alla BMW S1000RR 2023. La M1000RR con il badge S
Aug 05, 2023Usare l'intelligenza artificiale per trovare minerali rari
Un modello di apprendimento automatico può prevedere la posizione dei minerali sulla Terra – e potenzialmente su altri pianeti – sfruttando i modelli nelle associazioni minerali. La scienza e l’industria cercano depositi di minerali sia per comprendere meglio la storia del nostro pianeta sia per estrarli per l’utilizzo in tecnologie come le batterie ricaricabili. Shaunna Morrison, Anirudh Prabhu e colleghi hanno cercato di creare uno strumento per trovare la presenza di minerali specifici, un compito che è stato a lungo tanto un'arte quanto una scienza, basandosi sull'esperienza individuale, insieme a una sana dose di fortuna. Il team ha creato un modello di apprendimento automatico che utilizza i dati del Mineral Evolution Database, che comprende 295.583 località minerarie di 5.478 specie minerali, per prevedere occorrenze minerarie precedentemente sconosciute sulla base di regole di associazione.
Gli autori hanno testato il loro modello esplorando il bacino di Tecopa nel deserto del Mojave, un noto ambiente analogo a Marte. Il modello è stato anche in grado di prevedere la posizione di minerali geologicamente importanti, tra cui l’alterazione dell’uraninite, la rutherfordine, l’andersonite e la schröckingerite, la bayleyite e la zippeite. Inoltre, il modello ha individuato aree promettenti per gli elementi critici delle terre rare e i minerali di litio, tra cui la monazite-(Ce), l’allanite-(Ce) e lo spodumene. Secondo gli autori, l’analisi delle associazioni minerali può essere un potente strumento predittivo per mineralogisti, petrologi, geologi economici e scienziati planetari.
- Il presente comunicato stampa è stato fornito da PNAS Nexus
Un modello di apprendimento automatico