UPGRADING OF MAGMATIC SULFIDES, REVISITED
Notice bibliographique
Résumé
Abstract There has been vigorous debate for several decades about whether the extreme enrichments of platinum group elements (PGEs) in some magmatic sulfide deposits could have resulted from simple equilibration of sulfide liquid with silicate melt. Key examples include the Ni-Cu-Pd mineralization in the Norilsk mining camp, the UG2 and Merensky reef Pt-Pd deposits in the Bushveld Complex, the Pd-rich J-M reef of the Stillwater Complex, and the Skaergaard Pd-Au mineralization. It was argued historically that the observed PGE tenors in these latter deposits are too high to be consistent with simple equilibration of sulfide and silicate melt. A commonly cited mechanism for increasing PGE tenor in magmatic sulfide is the upgrading of initially low tenor sulfide by allowing a small volume of sulfide to react with successive batches of fresh, previously undepleted silicate magma. Here we review several previous models for sulfide upgrading in light of recent changes in accepted values of the partition coefficients governing PGE exchange between sulfide and silicate, and we critically examine the physical scenarios implicit in each previous model. We show that, although sulfide upgrading may occur in natural settings such as fractional melting of the mantle, during the formation of sulfide accumulations from magmas it is unlikely to have effects that can be distinguished from simple one-stage batch equilibration. Even the most PGE-rich deposits currently known have compositions that can easily be accounted for by the simple one-stage batch process, with the possible exception of the Skaergaard Pd mineralization. It is generally not possible to use the measured composition of accumulations of magmatic sulfide to infer that sulfide upgrading has or has not occurred.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,053 | 0,002 |
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 ».