MétaCan
Menu
Retour à la cohorte
Enregistrement W4327724889 · doi:10.1130/g50893.1

Melt inclusion evidence for limestone assimilation, calc-silicate melts, and “magmatic skarn”

2023· article· en· W4327724889 sur OpenAlexafffund
Xinyue Xu, Xiaochun Xu, Marko Szmihelsky, Jun Yan, Qiaoqin Xie, Matthew Steele‐MacInnis

Notice bibliographique

RevueGeology · 2023
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological and Geochemical Analysis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesChina Scholarship CouncilNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésSilicateGeologyMelt inclusionsGeochemistryCarbonateSkarnMineralogyIgneous rockCarbonatiteSilicate mineralsMantle (geology)Fluid inclusionsChemistryHydrothermal circulation

Résumé

récupéré en direct d'OpenAlex

Abstract Chemical exchange between silicate magmas and carbonate rocks has major implications for igneous fractionation, atmospheric CO2 flux, and formation of mineral deposits. However, this process is only partly understood, and long-standing questions of whether, where, and how carbonate rocks can be digested by silicate melts remain controversial. We describe evidence for pervasive chemical exchange between silicate melt and carbonate rock in a shallow porphyry setting driven by limestone assimilation. Melt inclusions in endoskarn from the Chating Cu-Au deposit in eastern China reveal that the calc-silicate assemblage (diopside + andradite ± wollastonite ± epidote) was molten at the time of skarn formation and coexisted with CO2 vapor as well as sulfate- and chloride-salt melts. Hence, we argue that endoskarn at Chating formed by crystallization of an immiscible calc-silicate melt produced by assimilation of carbonate rock, aided by the presence of sulfate and other fluxes, which in turn promoted desilication of the intruding magma and drove vigorous CO2 release.

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 enseignants0,012
Score d'incertitude au seuil0,025

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,051
Tête enseignante GPT0,283
Écart entre enseignants0,231 · 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

Citations16
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeologyMême sujetGeological and Geochemical AnalysisTravaux en français237 207