Spodumène cristallin rose. Crédit : Robert Lavinsky
En exploitant les schémas d’associations minérales, un nouveau modèle d’apprentissage automatique peut prédire l’emplacement des minéraux sur la Terre et, potentiellement, sur d’autres planètes. Cette avancée est extrêmement précieuse pour la science et l’industrie, qui ne cessent d’explorer les gisements de minéraux afin d’élucider l’histoire de la planète et d’exploiter les ressources pour des applications pratiques, telles que les batteries rechargeables.
Une équipe dirigée par Shaunna Morrison et Anirudh Prabhu a cherché à mettre au point une méthode permettant d’identifier la présence de minéraux particuliers, un objectif traditionnellement considéré comme relevant autant de l’art que de la science. Ce processus dépend souvent de l’expérience individuelle et d’une bonne dose de chance.
L’équipe a créé un modèle d’apprentissage automatique qui utilise les données de la base de données sur l’évolution des minéraux, qui comprend 295 583 localités minérales de 5 478 espèces minérales, pour prédire des occurrences minérales précédemment inconnues sur la base de règles d’association.
Les auteurs ont testé leur modèle en explorant le bassin de Tecopa dans le désert de Mojave, un environnement analogue à Mars bien connu. Le modèle a également été en mesure de prédire l’emplacement de minéraux géologiquement importants, notamment l’altération de l’uraninite, la rutherfordine, l’andersonite et la schröckingerite, la bayleyite et la zippeite.
En outre, le modèle a localisé des zones prometteuses pour les éléments de terres rares critiques et les minéraux de lithium, y compris la monazite-(Ce), et l’allanite-(Ce), et le spodumène. Selon les auteurs, l’analyse des associations minérales peut être un outil prédictif puissant pour les minéralogistes, les pétrologues, les géologues économiques et les spécialistes des planètes.
Référence : « Predicting new mineral occurrences and planetary analog environments via mineral association analysis » par Shaunna M Morrison, Anirudh Prabhu, Ahmed Eleish, Robert M Hazen, Joshua J Golden, Robert T Downs, Samuel Perry, Peter C Burns, Jolyon Ralph et Peter Fox, 16 mai 2023, PNAS Nexus.
DOI : 10.1093/pnasnexus/pgad110