科学者たちは、地球や他の惑星上の鉱物の存在する場所を予測する新たな機械学習モデルを開発し、成功を収めました。
このモデルは鉱物の関連性のパターンを利用し、未知の鉱物の存在場所を予測することができます。
これは科学界や産業界にとって大いに価値のある進歩です。
なぜなら、彼らは絶えず鉱物の堆積物を探索して地球の歴史を解き明かし、また、再充電可能なバッテリーのような実用的なアプリケーションのために資源を採掘しているからです。
機械学習モデルの開発とその目的
Shaunna MorrisonとAnirudh Prabhuを中心とする研究チームは、特定の鉱物の存在を特定するための新たな手法を開発することを目指していました。
この目標は、従来は科学と芸術の融合とも言えるものであり、個々の経験と運が大いに関与するものでした。
予測モデルの設計とその検証
研究チームはMineral Evolution Databaseから得たデータを利用しました。
このデータベースには5,478種類の鉱物に関する295,583の産地情報が含まれています。
この大量のデータを基に、研究チームは鉱物の関連性に基づいて未知の鉱物の存在場所を予測する機械学習モデルを開発しました。
具体的な検証として、モデルはモハビ砂漠のTecopa盆地という、火星の環境と類似した地域で試験されました。
結果として、モデルはウラン鉱変質物、ラザフォード石、アンダーソン石、シュレッキンガー石、ベイリー石、ジッペ石など、地質学的に重要な鉱物の存在場所を予測することができました。
さらに、このモデルはモナズ石（Ce）、アラン石（Ce）、スポジュメンといったレアアース元素やリチウム鉱物の存在する有望なエリアも特定しました。
結論と今後の展望
著者たちは、この鉱物関連性分析は鉱物学者、岩石学者、経済地質学者、そして惑星科学者にとって非常に有力な予測ツールとなる可能性があると述べています。
この新たな技術の発展は、未知の鉱物資源の探索や地球の歴史の解明、そして実用的なアプリケーションへの資源の採掘において、重要な進歩をもたらすことでしょう。
参考文献: “Predicting new mineral occurrences and planetary analog environments via mineral association analysis” by Shaunna M Morrison, Anirudh Prabhu, Ahmed Eleish, Robert M Hazen, Joshua J Golden, Robert T Downs, Samuel Perry, Peter C Burns, Jolyon Ralph and Peter Fox, 16 May 2023, PNAS Nexus. DOI: 10.1093/pnasnexus/pgad110
