Comminution of indicator minerals in a tumbling mill: implications for mineral exploration
Notice bibliographique
Résumé
Heavy mineral dispersal trains are commonly used during mineral exploration to locate ore bodies buried at depth. Heavy minerals tend to physically break down (comminute) as they are transported away from their bedrock sources, causing them to become smaller, less frequent and commonly rounder. The size, roundness and concentration (number) of heavy mineral grains are therefore commonly used as indications of proximity to source. However, few studies have investigated the rate at which different heavy minerals break down during transport. To provide quantitative insight into this, we studied the comminution of several heavy minerals used in diamond exploration, termed kimberlite indicator minerals (KIMs), in a tumbling mill. In the experiment, pyrope garnet grains lost mass the fastest, followed by chrome diopside grains, which generally lost mass much slower, and, finally, ilmenite grains, which hardly lost any mass at all. The pyrope grains lost mass the fastest because each grain broke into tens to hundreds of angular fragments, producing abundant sand--?sized particles, in addition to abundant mud (i.e. silt and clay). By contrast, the chrome diopside and ilmenite grains remained relatively intact and lost mass primarily by edge rounding, which produced a comparatively small amount of mud and little to no sand. These results suggest that in situations where grain comminution occurs during transport, the sand and gravel (>0.063 mm) and mud (<0.063 mm) fractions of kimberlite dispersal trains have the potential to continuously change in composition downflow-specifically the mud and finer sand fractions may become progressively enriched in pyrope garnet fragments relative to fragments of other indicator minerals moving away from the source.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».