یادگیری ماشین در علوم زمین

علوم زمین حوزه ای از علوم با اهمیت ویژه است که برای بسیاری از مسائل پیش روی  بشر و سیاره ما به راه حلهایی اساسی نیاز دارد. با ورود به عصر داده های بزرگ، یادگیری ماشین (ML)، که در حوزه های تجاری بسیار موفق بوده است، پتانسیل بسیار بزرگی را برای کمک به مشکلات در علوم زمین ارائه می دهد.

معدنکاری و توسعه پایدار

صنایع معدنی عمده ترین مصالحی که ما برای ساخت و تولید روزانه زیرساختها و تجهیزات، برای بدست آوردن مقادیر زیادی از انرژی، و تامین کود کشاورزی برای تولید مواد غذایی، نیاز داریم را فراهم می سازند. برای رسیدن به این جایگاه معدنکاری فلزی در طی قرنها به طور پیوسته با خیزهای ناگهانی برای چند ماده معدنی مانند نقره، طلا، رادیم و .. افزایش داشته است.

روشهای اکتشاف مواد معدنی-بخش نخست

شناسایی و ارزیابی یک زون ناهنجار با استفاده از روشهای مختلف می تواند توسط حفاری برای تعیین اینکه آیا آنومالی عیار و اندازه تبدیل به یک کانسار معدنی را دارد، قابل پیگیری می باشد. حفاری و آزمونهای اضافی برای کیفی نمودن یک منبع معدنی اندازه گیری شده و شاخص شده  و سرانجام یک ذخیره کانسنگ، مورد استفاده قرار می گیرد.

اکتشاف مواد معدنی

اکتشاف مواد معدنی اولین مرحله و گام به سوی خلق ثروت از معدنکاری است.

تنگسن و آینده آن

در سال 2005 اتحادیه شیمی محض و کاربردی تصمیم به استفاده از واژه تنگستن به جای ولفرام (Wilfram) گرفت، اما "W" نماد شیمیایی این عنصر باقی مانده است.

فلزاتی برای آینده کم کربن (بخش پایانی)

لیتیوم در مقادیر کم در سرتاسر پوسته زمین و آب دریا وجود دارد، اما توسط معدنکاری ذخایر معدنی سنگهای سخت یا از استخراج نمکهای لیتیوم در جاهاییکه دارای تمرکز بالایی می باشند مانند شورابه ها استخراج می شود.

مطابق نقشه وسط، استرالیا و شیلی تامین کنندههای اصلی فعلی لیتیوم می باشند. ذخایر لیتیوم مختصری گسترده تر از کبالت می باشد، بزرگترینها در شیلی، چین و استرالیا وجود دارند.