Extreme shifts in pyrite sulfur isotope compositions reveal the path to bonanza gold
Notice bibliographique
Résumé
Pyrite is the most common sulfide mineral in hydrothermal ore-forming systems. The ubiquity and abundance of pyrite, combined with its ability to record and preserve a history of fluid evolution in crustal environments, make it an ideal mineral for studying the genesis of hydrothermal ore deposits, including those that host critical metals. However, with the exception of boiling, few studies have been able to directly link changes in pyrite chemistry to the processes responsible for bonanza-style gold mineralization. Here, we report the results of high-resolution secondary-ion mass spectrometry and electron microprobe analyses conducted on pyrite from the Brucejack epithermal gold deposit, British Columbia. Our δ 34 S and trace element results reveal that the Brucejack hydrothermal system experienced abrupt fluctuations in fluid chemistry, which preceded and ultimately coincided with the onset of ultra-high-grade mineralization. We argue that these fluctuations, which include the occurrence of extraordinarily negative δ 34 S values (e.g., −36.1‰) in zones of auriferous, arsenian pyrite, followed by sharp increases of δ 34 S values in syn-electrum zones of nonarsenian pyrite, were caused by vigorous, fault valve-induced episodic boiling (flashing) and subsequent inundation of the hydrothermal system by seawater. We conclude that the influx of seawater was the essential step to forming bonanza-grade electrum mineralization by triggering, through the addition of cationic flocculants and cooling, the aggregation of colloidal gold suspensions. Moreover, our study demonstrates the efficacy of employing high-resolution, in situ analytical techniques to map out individual ore-forming events in a hydrothermal system.
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 | 0,002 | 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 | 0,002 | 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 ».