MétaCan
Menu
Retour à la cohorte
Enregistrement W3013201615 · doi:10.3390/min10040310

Exploration Potential of Fine-Fraction Heavy Mineral Concentrates from Till Using Automated Mineralogy: A Case Study from the Izok Lake Cu–Zn–Pb–Ag VMS Deposit, Nunavut, Canada

2020· article· en· W3013201615 sur OpenAlexafffundabout
H D Lougheed, M B McClenaghan, Daniel Layton‐Matthews, Matthew I. Leybourne

Notice bibliographique

RevueMinerals · 2020
Typearticle
Langueen
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensArthur B. McDonald-Canadian Astroparticle Physics Research InstituteGeological Survey of CanadaQueen's University
Organismes subventionnairesQueen's University
Mots-clésGeologyMineralization (soil science)Heavy mineralMineral explorationGeochemistryMineralogyMineralGalenaSulfide mineralsPyriteSphaleriteProvenanceChemistrySoil scienceSoil water

Résumé

récupéré en direct d'OpenAlex

Exploration under thick glacial sediment cover is an important facet of modern mineral exploration in Canada and northern Europe. Till heavy mineral concentrate (HMC) indicator mineral methods are well established in exploration for diamonds, gold, and base metals in glaciated terrain. Traditional methods rely on visual examination of >250 µm HMC material, however this study applies modern automated mineralogical methods (mineral liberation analysis (MLA)) to investigate the finer (<250 µm) fraction of till HMC. Automated mineralogy of finer material allows for rapid collection of precise compositional and morphological data from a large number (10,000–100,000) of heavy mineral grains in a single sample. The Izok Lake volcanogenic massive sulfide (VMS) deposit, one of the largest undeveloped Zn–Cu resources in North America, has a well-documented fan-shaped indicator mineral dispersal train and was used as a test site for this study. Axinite, a VMS indicator mineral difficult to identify optically in HMC, is identified in till samples up to 8 km down ice. Epidote and Fe-oxide minerals are identified, with concentrations peaking proximal to mineralization. Corundum and gahnite are intergrown in till samples immediately down ice of mineralization. Till samples also contain chalcopyrite and galena up to 8 km down ice of mineralization, an increase from 1.3 km for sulfide minerals in till previously reported for coarse HMC fractions. Some of these sulfide grains occur as inclusions within chemically and physically robust mineral grains and would not be identified visually in the coarse HMC visual counts. Best practices for epoxy mineral grain mounting and abundance reporting are presented along with the automated mineralogy of till samples down ice of the deposit.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,244
Écart entre enseignants0,212 · 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'étudeObservationnel
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

Citations20
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMineralsMême sujetGeochemistry and Geologic MappingTravaux en français237 207