MétaCan
Menu
Retour à la cohorte
Enregistrement W2934112506 · doi:10.1346/ccmn.2018.064103

Customized Spectral Libraries for Effective Mineral Exploration: Mining National Mineral Collections

2018· article· en· W2934112506 sur OpenAlexaffabout
J B Percival, Sean Bosman, E G Potter, Jan M. Peter, A B Laudadio, Ashley C. Abraham, Daniel A. Shiley, Chris Sherry

Notice bibliographique

RevueClays and Clay Minerals · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensCarleton UniversityGovernment of SaskatchewanGeological Survey of Canada
Organismes subventionnairesnon disponible
Mots-clésMineralVNIRMineral explorationMineralogyGeologyRemote sensingHyperspectral imagingChemistryGeochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Infrared (Visible-Near Infrared-Shortwave Infrared (VNIR-SWIR)) spectroscopy is a cost-effective technique for mineral identification in the field. Modern hand-held spectrometers are equipped with on-board spectral libraries that enable rapid, qualitative analysis of most minerals and facilitate recognition of key alteration minerals for exploration. Spectral libraries can be general or customized for specific mineral deposit environments. To this end, careful collection of spectra in a controlled environment on pure specimens of key minerals was completed using the National Mineral Reference Collection (NMC) of the Geological Survey of Canada. The spectra collected from specimens in the ‘Kodama Clay Collection’ were processed using spectral plotting software and each new example was validated before being added to a group of spectra considered for incorporation into the on-board library of the handheld ASD-TerraSpec Halo near-infrared (NIR) mineral identification instrument. Spectra from an additional suite of mineral samples of the NMC containing REE , U, Th, and/or Nb are being prepared for a new, publicly available spectral library. These minerals commonly occur in carbonatite or alkali intrusive deposits, and as such will assist in the exploration for critical metals.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,023
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,007
Études des sciences et des technologies0,0010,000
Communication savante0,0020,004
Science ouverte0,0020,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0230,019

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,261
Écart entre enseignants0,234 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations31
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClays and Clay MineralsMême sujetGeochemistry and Geologic MappingTravaux en français237 207