Automated Seafloor Massive Sulfide Detection Through Integrated Image Segmentation and Geophysical Data Analysis: Revisiting the TAG Hydrothermal Field
Notice bibliographique
Résumé
Abstract Accessible seafloor minerals located near mid‐ocean ridges are noticed to mitigate the projected metal demands of the net‐zero energy transition, promoting growing interest in quantifying the global distributions of seafloor massive sulfides (SMS). Mineral potentials are commonly estimated using geophysical and geological data that lastly rely on additional confirmation studies using sparsely available, locally limited, seafloor imagery, grab samples, and coring data. This raises the challenge of linking in situ confirmation data to geophysical data acquired at disparate spatial scales to obtain quantitative mineral predictions. Although multivariate data sets for marine mineral research are incessantly acquired, robust, integrative data analysis requires cumbersome workflows and experienced interpreters. We introduce an automated two‐step machine learning approach that integrates the mound detection through image segmentation with geophysical data. SMS predictors are subsequently clustered into distinct classes to infer marine mineral potentials that help guide future exploration. The automated workflow employs a U‐Net convolutional neural network to identify mound structures in bathymetry data and distinguishes different mound classes through the classification of mound architectures and magnetic signatures. Finally, controlled source electromagnetic data are utilized together with in situ sampling data to reassess predictions of potential SMS volumes. Our study focuses on the Trans‐Atlantic Geotraverse area, which is among the most explored SMS areas worldwide and includes 15 known SMS sites. The automated workflow classifies 14 of the 15 known mounds as exploration targets of either high or medium priority. This reduces the exploration area to less than 7% of the original survey area from 49 to 3.1 km 2 .
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».