A Test of the Hypothesis That Syn‐Collisional Felsic Magmatism Contributes to Continental Crustal Growth Via Deep Learning Modeling and Principal Component Analysis of Big Geochemical Datasets
Notice bibliographique
Résumé
Abstract The origin, way of growth, and compositional transition (from basaltic to andesitic) of continental crust remain enigmatic. To better understand the evolution of the Earth's crust, geoscientists have hypothesized two competing models, one is the widely accepted island‐arc model, the other is the newly proposed collision‐zone model that continental collision produces and preserves syn‐collisional Mantle‐derived Bulk‐continental‐crust‐like Granitoids (MBGs), and hence maintains net continental crust growth. Here, we tested the collision‐zone model by investigating the existence, temporal‐spatial distribution, geochemical signatures, and possible sources of the syn‐collisional MBGs. We applied deep learning (DL) algorithm and principal component analysis (PCA) to the database GEOROC and Tibetan Magmatism Database. DL successfully built a regression model of whole‐rock element compositional data and mean zircon εHf(t) data of igneous rocks. This can not only assign values to the missing Hf data, but statistically unveil the potential relations between the compositions (both isotopic and geochemical) and the possible sources of the igneous rocks. The DL and PCA enabled to recognize the MBGs and define their geochemical and isotopic fingerprints differing noticeably from arc magmas (e.g., Kohistan arc type and Tibetan adakite‐like type). Besides, our observations suggest that MBGs are common in collisional settings as a response to known collision events. Moreover, the MBGs' distinct geochemical and isotopic signatures indicate that they are likely sourced from subducted ocean crust. Our results therefore generally support evident contribution of syn‐collisional felsic magmatism to net continental crust growth. However, further refinement of the petrogenesis and estimation of the (relative) volume are critically needed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».