据Mining.com网站报道，美国卡内基科学研究所和其他科研院所的研究人员建立了一种机器学习模型，基于矿物关联性模式，可以预测地球甚至可能其他星球上矿物位置。

这篇论文发表在美国国家科学院刊（PNAS Nexus）上。科学家在文中解释称，长期以来，寻找特定矿产的位置既是科学也是艺术，往往取决于个人的经验，并带有一定的运气成分。

不过，他们的工具利用涵盖5478种矿物、295583个位置的矿物演化数据库（Mineral Evolution Database）的信息，基于矿物关联性规则，来预测以前未知的矿物位置。作者以莫哈韦沙漠的特科帕盆地为例来验证他们的模型，该地环境类似火星。

“矿物组合分析对全球各地矿物位置的高维多重相关性进行了定量研究，从而能够识别以前未知矿物位置，矿物组合以及他们之间的共伴生模式”，论文称。

该模型能够预测重要矿物，比如晶质铀矿、纤碳铀矿、碳钠钙铀矿、板菱铀矿、菱镁铀矿、水铀矾的位置。

此外，该模型还能预测关键稀土元素和锂矿物，包括独居石（铈）、褐帘石（铈）和锂辉石的位置。

完成这项工作后，研究人员就验证并证实了其中一些矿物位置预测结果，从而确定了该方法的可行性。

“矿物组合分析可以成为矿物学家、岩石学家、矿床学家和行星科学家强有力的预测工具”，作者在媒体声明中称。“它将深化我们对地球、太阳系和远古时期的矿化和成矿环境的认识。”