Automated Indicator Mineral Analysis of Fine-Grained Till Associated with the Sisson W-Mo Deposit, New Brunswick, Canada
Notice bibliographique
Résumé
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. This study applies mineral liberation analysis (MLA) to investigate the finer (<250 µm) fraction of till HMC. Automated mineralogy (e.g., MLA) of finer material allows for the 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 Sisson W-Mo deposit has a previously documented dispersal train containing the ore minerals scheelite, wolframite, and molybdenite, along with sulfide and other accessory minerals, and was used as a test site for this study. Wolframite is identified in till samples up to 10 km down ice, whereas in previous work on the coarse fraction of till it was only identified directly overlying mineralization. Chalcopyrite and pyrite are found up to 10 km down ice, an increase over 2.5 and 5 km, respectively, achieved in previous work on the coarse fraction of the same HMC. Galena, sphalerite, arsenopyrite, and pyrrhotite are also found up to 10 km down ice after only being identified immediately overlying mineralization using the >250 µm fraction of HMC. Many of these sulfide grains are present only as inclusions in more chemically and robust minerals and would not be identified using optical methods. The extension of the wolframite dispersal train highlights the ability of MLA to identify minerals that lack distinguishing physical characteristics to aid visual identification.
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 | 0,002 |
| 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 | 0,000 | 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 ».