面向人类智能与人工智能融合的矿产资源预测新范式原文标题 · 中文
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。
数学地质与大数据 · AI 研究
关注数学地质、知识图谱、多源地学数据融合与空间数据分析。
阅读时值得关注的问题
- 研究使用哪些数据，解决什么任务？
- 是否设置独立测试，怎样检验泛化？
- 结果适用于什么条件，有哪些局限？
这些问题用于辅助批判性阅读，不表示下列每篇论文都已完成相应验证。
研究条目 · 4
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。
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。
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。