研究与来源
面向人类智能与人工智能融合的矿产资源预测新范式
论文作者：成秋明
DOI: 10.13745/j.esf.sf.2025.7.20
AI 导读
AI 导读梳理矿产资源预测理论的发展，讨论地质知识、大数据与 AI 的融合，并以覆盖区、深部矿产预测和斑岩铜矿知识图谱为例，探讨多系统关联建模与人机协同。
导读不等同于作者摘要，请以原始论文为准。
本条目提供可追溯的文献信息，尚未发布完整编辑解读。
阅读原始来源 ↗相关研究
用于矿产远景预测的可解释人工智能模型机器翻译
英文原题Explainable artificial intelligence models for mineral prospectivity mapping
AI 导读提出在输入数据、模型设计和输出解释各阶段融入地质领域知识的工作流程，回应 AI 成矿预测中的可解释性、泛化能力和物理一致性问题。
冥古宙构造：来自机器学习的认识机器翻译
英文原题Hadean tectonics: Insights from machine learning
AI 导读利用锆石化学数据训练机器学习模型，区分构造环境和岩浆类型，再应用于 Jack Hills 的冥古宙锆石。结果为早期地壳形成和与俯冲相关的沉积物循环提供线索。
将地质知识融入深度学习，以增强与成矿相关的地球化学异常识别及可解释性机器翻译
英文原题Incorporating Geological Knowledge into Deep Learning to Enhance Geochemical Anomaly Identification Related to Mineralization and Interpretability
AI 导读将地质先验知识融入对抗自编码器，在赣南钨矿背景下识别地球化学异常。利用多重分形奇异性分析量化控矿因素与已知矿床的关联，为模型提供成矿规律约束。