HyperAI超神经

المحتويات في لمحة:تُوفر المعادن مواد خام مهمة للمجتمعات التكنولوجية، وهي الدليل الوحيد على العديد من الأحداث الجيولوجية والبيئات القديمة. منذ قرون عديدة، كان البحث عن الموارد المعدنية وأساسيات أصلها وتوزيعها من الاهتمامات الرئيسية لعلم الجيولوجيا. نشرت مؤخرا مجلة PNAS Nexus، وهي مجلة فرعية لمجلة Proceedings of the National Academy of Sciences في الولايات المتحدة، نتيجة بحث استخدمت نموذج التعلم الآلي للتنبؤ بموقع ونوع الرواسب المعدنية الجديدة من خلال تحليل ارتباط المعادن.

الكلمات المفتاحية:تحليل الارتباط باستخدام التعلم الآلي لاستكشاف المعادن

نُشرت هذه المقالة لأول مرة على منصة HyperAI WeChat العامة~

ظهرت المعادن منذ مليارات السنين ولعبت دورًا حيويًا في تطور الحياة. على الرغم من وجود العديد من تقنيات الاستكشاف في الصناعة الجيولوجية الحالية، إلا أن الموارد المعدنية مخفية وغير مؤكدة.إن عملية استكشاف المعادن عملية شاقة للغاية.وفي الوقت نفسه، تواجه العديد من التحديات مثل المخاطر العالية ودورات الاستثمار الطويلة ومعدلات النجاح المنخفضة في استكشاف المعادن.

وفي دراسات سابقة، وجد العلماء أن أكثر من 5000 معدن على الأرض ليست موزعة بشكل عشوائي.يوجد العديد منهم في علاقات تكافلية (توالد مشترك).العلاقة التكافلية المزعومة هي عبارة عن مزيج معدني يتشكل بموجب قوانين فيزيائية وكيميائية محددة. على سبيل المثال، يرتبط تكوين المعادن ارتباطًا وثيقًا بالتركيب الكيميائي والظروف البيئية للصخور المضيفة.

في الآونة الأخيرة، استخدم موريسون شونا إم من مؤسسة كارنيجي للعلوم في واشنطن، بالتعاون مع برابهو أنيرود وآخرين من جامعة أريزونا، التعلم الآلي لاكتشاف قواعد تركيب المعادن للتنبؤ بموقع المعادن. وقد نشرت نتائج البحث في مجلة PNAS Nexus.عنوان المقال هو "التنبؤ بظهور معادن جديدة وبيئات كوكبية تماثلية من خلال تحليل ارتباط المعادن".

وقد تم نشر نتائج البحث فيشبكة PNAS"أرقى

عنوان الورقة:

https://academic.oup.com/pnasnexus/article/2/5/pgad110/7163824?login=true

نظرة عامة على التجربة

قام الباحثون بتطوير نموذج التعلم الآلي للتنبؤ بمواقع المعادن على أساس قواعد الارتباط باستخدام البيانات من قاعدة بيانات تطور المعادن واختبروا النموذج في حوض تيكوبا، وهي بيئة محاكاة معروفة لكوكب المريخ. تظهر النتائج التجريبية أن التعلم الآلي يمكنه التنبؤ بشكل فعال بموقع المعادن ونوعها وكميتها.

تحليل الارتباط هو أسلوب التعلم الآلي.يتم استخدامه لاكتشاف قواعد الارتباط والأنماط في مجموعات البيانات.ويكشف عن الارتباط والتبعية بين مجموعات العناصر المختلفة من خلال تحليل الارتباط بين مجموعات العناصر في البيانات.

ويقترح المؤلفون أنه في ظل البيانات الصحيحة، يمكن استخدام تحليل التجمعات المعدنية للتنبؤ ليس فقط بموقع الرواسب الجديدة وأنواع المعادن التي قد تكون عليها، ولكن أيضًا بكمية المعادن الموجودة في موقع معين. وهذا النموذج لا ينطبق على الأرض فحسب، بل على أي جسم كوكبي صخري.

مجموعة البيانات

تحتوي مجموعة البيانات الخاصة بهذه الدراسة على 5,478 معدنًا، و295,583 موقعًا معدنيًا، ومعلومات العمر المرتبطة بـ 5,472 موقعًا معدنيًا من قاعدة بيانات تطور المعادن الكبيرة، والتي تتضمن 810,907 مجموعة معدنية-موقعية. ونظرا لحجم البيانات الكبير، قام الباحثون بتقسيمها إلى مجموعات فرعية مختلفة واختاروا 3 منها:

* المجموعة الجغرافية الفرعية:واختار الباحثون الولايات المتحدة، التي تتمتع بتنوع معدني كبير، وتغطية جغرافية واسعة وموثقة جيدًا، ومجموعة واسعة من الإعدادات الجيولوجية. تحتوي هذه المجموعة الفرعية على 2,622 نوعًا معدنيًا، و93,419 ظهورًا معدنيًا، و8,139,004 قاعدة ارتباط.

* مجموعة فرعية من الكيمياء الجيولوجية:قام الباحثون باختيار خامات اليورانيوم وفحصوا المراحل المعدنية الحاملة لليورانيوم من خلال تحليل نوع واحد أو أكثر من المعادن التي يحتوي على اليورانيوم كعنصر أساسي. تحتوي هذه المجموعة الفرعية على 5,439 معدنًا، و11,729 ظهورًا معدنيًا، و60,589,982 قاعدة ارتباط.

* مجموعة فرعية من الوقت:قام الباحثون باختيار ثلاث شرائح زمنية: العصر الأركي (> 2.5 مليار سنة)، والعصر البدائي (2.5 – 0.54 مليار سنة)، والعصر السينوزوي (< 0.54 مليار سنة).

تطوير النموذج

وبناءً على مجموعة البيانات المذكورة أعلاه، بدأ الباحثون في تطوير النماذج والتحقق من آثارها.وتنقسم العملية بأكملها إلى 3 خطوات:

1. إنشاء قاعدة ارتباط المعادن

استخدم الباحثون خوارزمية Apriori، والتي تستخدم عادة في تحليل الارتباط. تعتمد الخوارزمية على نهج من الأسفل إلى الأعلى لإنشاء قواعد الارتباط من خلال اختبار ومقارنة مجموعات من العناصر المتزامنة بشكل متكرر (مثل التجمعات المعدنية)، والتي يمكن استخدامها لتحليل ارتباط المعادن.

2. إمكانية قياس قواعد ارتباط المعادن

قام الباحثون بتحديد مؤشر الاحتمالية لفحص قواعد الارتباط التي تلبي المتطلبات. تشير مؤشرات الإمكانية إلى المؤشرات التي تقوم بقياس وتقييم العلاقة بين المعادن. تشمل مؤشرات الإمكانية الشائعة الدعم والثقة والرفع.

يشير الدعم إلى نسبة جميع العينات التي تحتوي على معدنين أو أكثر في نفس الوقت.كلما كان الدعم أعلى، كلما كانت العلاقة بين هذه المعادن أقوى.

الشكل 2: صيغة حساب الدعم

تشير الثقة إلى احتمالية وجود معدن واحد، وبالتالي وجود معدن آخر.يشير مستوى الثقة المرتفع إلى وجود ارتباط قوي بين المعدنين.

الشكل 3: صيغة حساب الثقة

درجة الارتفاع هي نسبة احتمال وجود معدنين معًا إلى احتمال وجودهما بشكل مستقل.يشير الرفع الأكبر من 1 إلى ارتباط إيجابي بين المعدنين، ويشير الأقل من 1 إلى ارتباط سلبي، ويشير 1 إلى عدم وجود ارتباط.

الشكل 4: صيغة حساب الرفع

3. قواعد ارتباط المعادن للتنبؤ بالمعادن

في هذه الدراسة، قام الباحثون باستخراج وتحليل بيانات المعادن الموجودة لإنشاء قواعد الارتباط لكل من مجموعات البيانات الفرعية الثلاث (الجغرافية، والجيوكيميائية، والزمنية). يقومون بتحليل ومقارنة وجود المعادن في الموقع الذي سيتم التنبؤ به مع قواعد الارتباط، ويمكنهم التنبؤ بأنواع المعادن، ومجموعات المعادن، وبيئة التمعدن، وما إلى ذلك في أي مكان.

النتائج التجريبية

وأُجريت التجربة في حوض تيكوبا في كاليفورنيا بالولايات المتحدة الأمريكية، لأنه يحتوي على رماد بركاني ورواسب من الحجر الجيري، كما توجد بالقرب منه تدفقات من الحمم البازلتية يمكنها محاكاة البيئة المريخية.وتوقع الباحثون أنواع المعادن التي ستظهر في الموقع.كما هو موضح في الجدول التالي:

الجدول 1: الأنواع المعدنية المتوقع وجودها في حوض تيكوبا

يوضح الجدول مقاييس الثقة والرفع ذات الصلة بقواعد الارتباط التي تستند إليها التوقعات.

وتوقع الباحثون أيضًا أماكن ظهور اليورانيوم والعديد من المعادن الرئيسية الأخرى، وسجلوا توقعاتهم على الخريطة.وتظهر نتائج التنبؤ بموقع منجم اليورانيوم في الشكل أدناه.ومن بينها، تم تأكيد بعض التوقعات منذ أكتوبر 2020، مما يثبت القدرة التنبؤية لتحليل الارتباط المعدني.

الشكل 5: خريطة موقع رواسب اليورانيوم المتوقعة

وتظهر المواقع المتوقعة للعديد من المعادن الرئيسية الأخرى في الشكل أدناه.

الشكل 6: المواقع الجغرافية المتوقعة للعديد من المعادن الرئيسية الأخرى

اعتبارًا من أكتوبر 2021،يتم وضع علامة على المواقع المؤكدة بشعار Mindat. Mindat هو موقع قاعدة بيانات المعادن العالمية. عندما يتم اكتشاف معدن في مكان معين، سيتم نشره على الموقع الإلكتروني.

بالإضافة إلى ذلك، من أجل فهم أعمق للتغيرات في مظهر المعادن في تاريخ الأرض، درس الباحثون أيضًا قواعد ارتباط المعادن في فترات زمنية مختارة، بما في ذلك العصر الأركي (>2.5 مليار سنة)، والعصر البدائي (2.5-0.54 مليار سنة) والعصر السينوزوي (<0.54 مليار سنة). ويظهر في الشكل أدناه تحسن التركيبات المعدنية خلال الفترات الزمنية الثلاث.

الشكل 7: ارتفاع التجمعات المعدنية في حقبة الأركيا (أ)، والبروتروزوي (ب)، والسينوزوي (ج)

تمثل درجة الارتفاع قوة الارتباط بين التجمعات المعدنية، ويمكن ملاحظة وجود اختلافات واضحة في توزيع التجمعات المعدنية في الدهر الأركي، والبروتروزوي، والسينوزوي. يمكن استخدام هذه القاعدة في الأبحاث المستقبلية.استكشاف المزيد حول تأثير العوامل المختلفة مثل البيئة والمناخ على التركيبات المعدنية.

باختصار، يمكن تطبيق تحليل ارتباط المعادن للتنبؤ بأنواع المعادن الجديدة ومواقع المعادن المستهدفة، وما إلى ذلك.

تحليل الارتباط: أحد أكثر الأساليب نشاطًا في استخراج المعلومات

يُعد تحليل الارتباط، المعروف أيضًا باسم التعدين الارتباطي، أحد أكثر طرق البحث نشاطًا في مجال استخراج معلومات البيانات وتم اقتراحه لأول مرة في عام 1993. في قسم المناقشة، اقترح مؤلفو هذه الورقة أنلا ينبغي أن يقتصر تطبيق تحليل الارتباط على التجمعات المعدنية.ويمكن أيضًا تطبيقه بشكل أكبر لتحليل خصائص أخرى مثل الحفريات التكافلية والكائنات الدقيقة والجزيئات والبيئات الجيولوجية. وذلك لأن هذه الطريقة قابلة للتطوير والنقل، ويمكن تطبيقها على العديد من المجالات، وتلعب دورًا مهمًا.

بالإضافة إلى تطبيق تحليل الارتباط في التنقيب عن المعادن الذي تمت مناقشته في هذه الورقة،كما أن التقدم الذي أحرزته في مجال أبحاث علم الوراثة البشرية والحيوانية والنباتية يستحق الاهتمام أيضاً.في الوقت الحاضر، اقترح الباحثون في هذا المجال سلسلة من الأساليب والبرمجيات الجديدة القائمة على تحليل الارتباط. على سبيل المثال، يمكن استخدام برنامج PLINK، الذي تم فتحه للجمهور في وقت سابق، لإدارة البيانات وتقييم بنية السكان وتحليل ارتباط السمات المعقدة وبيانات الحالات والشواهد، ويمكنه أيضًا معالجة البيانات الضخمة للنمط الجيني والنمط الظاهري؛ تم تطوير QTXNetwork بواسطة مختبر البروفيسور Zhu Jun في جامعة Zhejiang وهي عبارة عن حزمة برامج لتحليل الارتباط تعتمد على الحوسبة GPU والتي يمكنها معالجة بيانات أوميكس السمات المعقدة واسعة النطاق.

مع استمرار زيادة كمية البيانات، ومواصلة تحديث علوم الكمبيوتر والتكنولوجيا والخوارزميات الإحصائية، سيتطور تطبيق تحليل الارتباط في مختلف المجالات بشكل أكبر.وسوف تظهر أيضًا منصات جديدة لتكنولوجيا تحليل الارتباطات فعالة وسريعة ومصنفة على نطاق واسع.في هذا السياق، عندما تختار الفرق والأفراد الأدوات، فإنهم يحتاجون إلى تقييمها ومقارنتها بناءً على احتياجات العمل الفعلية.

روابط مرجعية:

[1]https://www.doc88.com/p-9788189626622.html?

[2]https://zwxb.chinacrops.org/article/2016/0496-3490-42-7-945.html