Eagle’s Nest<subtitle>A Magmatic Ni-Sulfide Deposit in the James Bay Lowlands, Ontario, Canada</subtitle>
Notice bibliographique
Résumé
VOLCANIC-ASSOCIATED and sedimentary-exhalative massive sulfide deposits on land account for more than one-half of the world's total past production and current reserves of zinc and lead, 7 percent of the copper, 18 percent of the silver, and a significant amount of gold and other by-product metals (Singer, 1995). A new source of these metals is now being considered for exploitation from deep-sea massive sulfide deposits. Because the oceans cover more than 70 percent of the Earth's surface, many expect the ocean floor to host a proportionately large number of these deposits. However, there have been few attempts to estimate the global mineral potential. Significant accumulations of metals from hydrothermal vents have been documented at some locations (e.g., 91.7 Mt of 2.06% Zn, 0.46% Cu, 58.5 g/t Co, 40.95 g/t Ag, and 0.51 g/t Au in the Atlantis II Deep of the Red Sea: Mustafa et al., 1984; Nawab, 1984; Guney et al., 1988). Even more metal is contained in deep-sea manganese nodules. Current estimates in the U.S. Geological Survey (USGS) mineral commodities summaries indicate a global resource of copper in deep-sea nodules of about 700 Mt. In the Pacific "high-grade" area, an estimated 34,000 Mt of nodules contain 7,500 Mt of Mn, 340 Mt of Ni, 265 Mt of Cu, and 78 Mt of Co (Morgan, 2000; Rona, 2003). A number of countries, including China, Japan, Korea, Russia, France, and Germany, are actively exploring this area.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».