大数据和机器学习在矿物学研究中的应用

作     者：李晓彦 张超 LI Xiao-yan;ZHANG Chao

作者机构：大陆动力学国家重点实验室西北大学地质学系西安710069 

出 版 物：《矿物岩石地球化学通报》 (Bulletin of Mineralogy, Petrology and Geochemistry)

年 卷 期：2023年第42卷第2期

页      面：253-266,I0003页

核心收录：

学科分类：0709[理学-地质学] 070901[理学-矿物学、岩石学、矿床学] 07[理学] 

基　　金：国家自然科学基金资助项目(41972055 41902052) 

主　　题：大数据 机器学习 矿物演化 矿物生态学 矿物分子式 温压计 

摘      要：矿物的形成演化史和时空分布伴随着地球从星云阶段演化至今的46亿年地质历史,其形成过程受控于一系列物理、化学、生物过程,是地球多圈层耦合演化的产物。矿物大数据催生了矿物演化和矿物生态学概念,使我们以系统的眼光看待矿物形成和演化历史、矿物分布和矿物多样性,并可以据此更好的理解地球多圈层演化。应用统计方法和网络分析方法研究矿物大数据,可以帮助我们预测新矿物的数量、可能的结构和可能出现的地点,以及深入理解复杂矿物共生网络中矿物的成因联系和演化趋势。机器学习算法在矿物化学数据方面的应用,有助于解析高维矿物化学数据蕴含的物理化学控制因素,以及用于定量估计难测元素的含量、建立温度压力计和判别源区类型等任务。以数据驱动的矿物学研究必将成为反演地球演化历史的有力工具。