Pan-Canadian Predictive Modeling of Lithium–Cesium–Tantalum Pegmatites with Deep Learning and Natural Language Processing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract The discovery of new lithium resources is essential because lithium plays a vital role in the manufacturing of green technology. Along with brines and volcano–sedimentary deposits, approximately a one-third share of global lithium resources is associated with lithium-cesium-tantalum (LCT) pegmatites, with Canada hosting numerous examples. This research applied generative adversarial networks, natural language processing, and convolutional neural networks to generate mineral prospectivity models and support exploration targeting for Canadian LCT pegmatites. Geoscientific text data included within public bedrock geology maps and natural language processing were used to convert conceptual targeting criteria into evidence layers that complement more traditional, geophysical and geochronological data used for mineral prospectivity modeling (MPM). A multilayer architecture of convolutional neural networks, including an attention mechanism, was designed for data modeling. This architecture was trained and validated using variable synthetically generated class labels, input image sizes, and hyperparameters, resulting in an ensemble of 1000 models. The uncertainty of the ensemble was analyzed using a risk–return analysis, yielding a bivariate choropleth risk–return plot that facilitates the interpretation of prospectivity models for downstream applications. This was further complemented by employing post hoc interpretability algorithms to translate the black-box nature of neural networks into comprehensible content. The low-risk and high return class of our prospectivity models reduces the search space for discovering LCT pegmatites by 88%, delineating 99% of known LCT pegmatites in Canada. The results of this study suggest that our workflow (i.e., combining synthetic data generation, natural language processing, convolutional neural networks, and uncertainty propagation for MPM) facilitates decision-making for regional-scale lithium exploration and could also be applied to other mineral systems.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle