机器学习模型可以通过利用矿物关联模式来预测矿物在地球上以及其他行星上的位置。科学界和工业界都在寻找矿藏，以更好地了解我们星球的历史，并进行开采以用于可充电电池等技术。Shaunna Morrison、Anirudh Prabhu 和同事们试图创造一种工具来寻找特定矿物的存在，这项任务长期以来一直是一门艺术而不是一门科学，它依赖于个人经验以及健康的运气。该团队创建了一个机器学习模型，该模型使用矿物演化数据库中的数据，该数据库包括 5,478 种矿物的 295,583 个矿产地，以根据关联规则预测以前未知的矿物产状。

使用人工智能寻找稀有矿物

作者通过探索著名的火星模拟环境莫哈韦沙漠中的特科帕盆地来测试他们的模型。该模型还能够预测具有重要地质意义的矿物的位置，包括铀矿蚀变、卢瑟福定、安德森石和 schröckingerite、bayleyite 和 zippeite。此外，该模型还定位了关键稀土元素和锂矿物的前景区域，包括独居石-(Ce)、褐榴石-(Ce) 和锂辉石。这组作者说，矿物关联分析可以成为矿物学家、岩石学家、经济地质学家和行星科学家的强大预测工具。和 schröckingerite、bayleyite 和 zippeite。此外，该模型还定位了关键稀土元素和锂矿物的前景区域，包括独居石-(Ce)、褐榴石-(Ce) 和锂辉石。这组作者说，矿物关联分析可以成为矿物学家、岩石学家、经济地质学家和行星科学家的强大预测工具。和 schröckingerite、bayleyite 和 zippeite。此外，该模型还定位了关键稀土元素和锂矿物的前景区域，包括独居石-(Ce)、褐榴石-(Ce) 和锂辉石。这组作者说，矿物关联分析可以成为矿物学家、岩石学家、经济地质学家和行星科学家的强大预测工具。