找礦會像網購一樣便捷和智能嗎？美國科學家認為，“就像亞馬遜的購買共同發生一樣，礦物也以一種非常系統的方式共同發生在地球表面。”
繼亞馬遜和谷歌等科技公司之後，美國礦物學家和科學家們正在試驗機器學習和大數據，以發現新的、可能有利可圖的礦藏。
那麼，他們的研究將如何改變礦產勘探？
對於學者、礦工、材料科學家和工程師來說，更多地瞭解礦物的形成和物理性質具有很高的價值。儘管礦物學家和地質學家已經對地殼進行了數百年的研究，但地殼的巨大體積和複雜程度意味著還有很多東西有待發現。
卡內基研究所地球物理實驗室的礦物學家肖娜·莫里森博士說：“我們從物質和原子的行為中學到的很多東西都是通過礦物質，所以瞭解和描述存在的東西是很重要的。”
“當我們能很好地反映出實際的礦產儲量時，它就能告訴我們地球過去的地質情況。”
為了學得更多、學得更快，專家們一直在試驗將先進的數據科學技術應用於礦物學。
去年，莫里森和她的同事發表了一篇論文，展示了以往來於疾病傳播和網絡連接的網絡理論是如何揭示全球礦物的多樣性和分佈的。
該技術利用數學理論來組織、連接和理解數據，甚至可以預測尚未被科學發現的礦物。但真正閃光的是發現新礦藏的潛力。
利用數據科學發現礦物
根據莫里森的觀點，數據科學方法對礦工最有興趣的是正在進行的使用推薦系統的工作——一種用於無限分析的數學數據科學算法或稱“市場籃子”分析——來理解共同發生關係。
像亞馬遜這樣的公司經常使用這種數據科學技術來理解商品經常一起購買的行為，這些信息隨後被用來建議客戶購買更多的商品。
她解釋說：“就像亞馬遜的購買共同發生一樣，礦物也以一種非常系統的方式共同發生在地球表面。”
美國地質調查局等機構擁有龐大的數據庫，其中包括礦物演化數據、地理空間信息、礦物發生頻率、年份等信息，科學家可以利用這些數據建立全球礦物共生的模型。
根據這些信息，礦物學家就能確定哪些地點最有可能有一個以前未知的礦床或礦物組合。
莫里森解釋說：“例如，如果我們知道某種礦物種類的組合預示著可能存在一種礦床，我們就能確定該礦床最可能存在的位置。我們甚至可以確定，你在哪裡找到它的概率是2%，而在其他地方找到它的概率是96%。我認為這對礦業公司來說真的很有趣，有幾家公司已經表現出了興趣。”
數據共享鼓勵更智能的工作
這項工作從本質上延伸到地質學家和礦物學家已經在做的事情上，但範圍要大得多。
莫里森說：“實際上，我們不只研究兩個參數，還研究成千上萬個影響系統的參數。這對於任何人腦來說都很難在電子表格中看到，甚至很難使用標準的統計方法。”
然而，對於高級機器學習，使用多變的技術，一個系統可以一種極端多變和多維的方式進行特徵描述。
她補充說:“沒有人能在一眨眼的功夫就能瞭解所有的系統，瀏覽所有的數據。”
通過使用這些技術，人們最終希望礦業公司能更快、更容易地找到具有商業價值的礦藏，並幫助他們知道哪些地方絕對不用去找。
雖然算法可以確定某些礦藏可能在哪裡的概率，但它們還不能確定礦藏有多大。
這是莫里森和同事們將來想做的事情，但是他們需要更多的數據。
她說:“現在的問題是缺乏關於地球表面物質數量的數據。礦業公司擁有大量信息，但通常是私下持有。”
由於競爭原因，數據共享通常被認為是礦業公司的禁區。但莫里森認為，如果所有數據都被共享，就能提高每個人的工作效率。
她補充稱：“礦業公司仍將擁有它們的競爭優勢，無論是在收購能力、運營效率還是所在位置上。數據就是力量，如果我們想知道到哪裡去開採，我們不需要測試每個地方。”
深入地殼
美國地質調查局的科學家也在做類似的工作。該機構的高級研究員吉普因·羅賓遜說，美國地質調查局“一直在尋找方法來改進數據的整合和解釋，以便更好地進行資源評估工作。”
該機構擁有關於區域沉積物和土壤化學、地球物理數據的大型數據庫，其中一些數據是由衛星和機載方法產生的，並擁有關於航磁、輻射和區域重力變化的區域數據集。
利用這些數據集，該機構正在努力發現地殼深處的礦物是什麼，這可能是某些礦床類型的潛在目標。
羅賓遜解釋說:“在地球表面進行的許多礦產勘探都取得了成功，未來最大的前沿領域之一就是找出隱藏在沉積物或其他岩石下的沉積物。”
“這需要對地下的特徵進行成像和建模，因此我們對這些大數據集進行分析，以解釋地下特質是什麼。”
科學家們知道，礦床通常形成於地殼中某些有興趣的元素的地方。這些元素通常需要一個過程或事件來運輸或移動，要麼是通過火山系統中的岩漿，要麼是通過地殼中溶解和運輸金屬的地殼流體。
某些結構有助於彙集這些運輸的元素，然後礦物最終被捕獲和濃縮。
羅賓遜解釋說:“我們正在試圖理解這些數據，並將其綜合起來，以找出這些數據可能是在哪裡發生的，從而確定區域目標。”
美國地質調查局正在使用各種大小的地質地圖，這些地圖可以通過機器學習和數據科學相結合，以獲得更快、更便宜的見解。
這項工作特別適用於沙土覆蓋礦物的沙漠地區，在未來，可以高概率地確定勘探昂貴的目標，使深入地表下一至兩公里的商業礦床得到開採。
為了進一步開展這項研究，美國地質調查局已經開始與澳大利亞地球科學合作。澳大利亞對這項研究特別感興趣，因為該國有大片的沙覆蓋土地，需要繪製這些土地並建立模型。
協作：交換人員和知識
越來越多的學術界和政府機構正尋求利用數據來獲得更好的地質見解。英國地質調查局和印度地質調查局都在考慮這樣做。
不過，莫里森和羅賓遜希望，未來礦業公司將更願意通過夥伴關係、人員交流和合作，與學術界合作。
她表示:“我們可以承擔比礦業公司更高的風險回報，這就是為什麼這些合作關係如此強大。”
她表示：“我很願意讓學生去一家礦業公司工作，真正瞭解他們想要的是什麼，然後我們就可以用它來指導我們的工作。”
這種人員和知識的交流對礦工和學者都有好處，只需要支付相當於博士生一年的學費和薪水，但礦業公司可以從他們收集數據中獲得比已往投資獲取數據更有價值的見解。
“這比鑽孔要便宜得多，”莫里森說，“利用大數據，機器學習可以幫你回答很多問題。”
閱讀更多 採金人 的文章
