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。
AI 找矿与成矿预测 · AI 研究
关注矿产远景预测、成矿系统建模和地质知识约束。阅读模型精度时，也应检查数据划分和独立验证方式。
阅读时值得关注的问题
- 已知矿点与负样本怎样选择？
- 空间邻近样本是否跨越训练集与测试集？
- 预测结果有独立区域、钻孔或后续调查验证吗？
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 · 3
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。