Joint inversion of electromagnetic and electrical data, for exploration of unconformity-associated uranium deposits of the Athabasca Basin (Saskatchewan, Canada)
Bibliographic record
Abstract
Le bassin d’Athabasca (Canada) abrite des gisements d’uranium associés à des structures graphiteuses et à des halos d’altération, localisés à la discordance entre les sédiments et le socle métamorphique. Les méthodes électromagnétiques (EM) et électriques en courant continu (DC), sensibles à la conductivité électrique, sont traditionnellement inversées séparément, limitant la distinction entre conducteurs graphiteux et altération. Cette étude évalue l’apport de l’inversion jointe EM-DC pour la modélisation de ces objets. Une première phase, basée sur des modèles synthétiques 2D, démontre que l’inversion jointe permet de réconcilier les jeux de données EM et DC, et permettrait de diminuer l’ambiguïté sur la présence d’altération. L’application de cette méthode à des données de terrain acquises sur la propriété de Cigar Lake confirme l’intérêt de l’inversion jointe, avec des structures conductrices cohérentes avec les observations de forage, et un modèle réconciliant l’ensemble des données EM et DC. Nous présentons également une extension de la méthodologie à l’inversion 3D, testée sur des cas synthétiques et des données de terrain, et permettant de mettre en évidence les orientations des conducteurs graphiteux. Enfin, l’utilisation des composantes X et Z du champ EM, présentant le plus fort signal, permet de mieux délimiter les conducteurs. Ces résultats contribuent au renouvellement des méthodes d’exploration des gisements d’uranium du bassin d’Athabasca. De nouvelles perspectives peuvent être envisagées pour maximiser l’apport de l’inversion jointe EM-DC 3D, notamment la conception de dispositifs d’acquisition et l’ajout d’autres jeux de données sensibles à la conductivité électrique et complémentaires.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".