Определение минерала может показаться простым: проанализируйте его химический состав, сравните с известными минералами — и готово. Однако для геологов этот процесс может стать трудоёмкой головоломкой, требующей специальных знаний и многочисленных ручных расчётов.
Команда исследователей из Департамента наук о Земле, окружающей среде и планетах Университета Райса разработала MIST — Mineral Identification by Stoichiometry (идентификация минералов по стехиометрии). Это первый онлайн-инструмент, способный автоматически идентифицировать сотни различных видов минералов по их химическому составу с помощью специально разработанного алгоритма, основанного на правилах.
Основные преимущества MIST:
- Бесплатность: инструмент доступен для использования любому желающему.
- Простота использования: MIST делает процесс идентификации минералов доступным за считанные секунды. Пользователю не нужно заранее знать, какой минерал он ищет — MIST сам определит его по химическому составу.
Статья об исследовании опубликована в журнале Computers & Geosciences.
«MIST берёт на себя утомительный и требующий специальных знаний процесс и делает его доступным за секунды», — сказала Кирстен Зибах, доцент кафедры наук о Земле, окружающей среде и планетах и ведущий автор исследования. «Вам не нужно заранее знать, какой минерал вы ищете — MIST сам определит его по химическому составу».
Идея для MIST возникла из-за ожидания получения данных слепого сканирования с Марса, изобилующих возможностями обнаружения неожиданных минералов.
«Мы не хотели ограничиваться поиском только тех минералов, которые ожидали, — сказала Зибах. — Мы хотели иметь возможность быстро распознавать минералы, независимо от того, ожидали мы их или нет».
Идентификация минералов имеет значение далеко за пределами лаборатории. Химический состав минералов содержит подсказки о геологических условиях, в которых они образовались, — от глубин мантии Земли до поверхности Марса.
Традиционно исследователи, используя такие методы, как электронно-зондовый микроанализ, должны были нормализовать химические данные, рассчитать «атомы на формульную единицу» и сравнить соотношения элементов с сотнями возможных минералов. Процесс мог включать десятки электронных таблиц и годы опыта. MIST упрощает этот процесс и имеет применение для геологов, планетологов и даже энергетической отрасли.
«MIST был создан для того, чтобы ускорить этот рабочий процесс», — сказала Элеонора Морленд, соавтор и аспирантка Райса. «Мы хотели, чтобы пользователи не выбирали начальную группу минералов и не знали заранее количество кислорода. Вы просто вводите данные по оксидам, а MIST делает всё остальное».
MIST использует иерархическую систему классификации, основанную на правилах, основанную на проверенных минеральных формулах из базы данных минералов RRUFF. Алгоритм сравнивает стехиометрические соотношения в образце с известными составами, учитывая естественные замены и вакансии, обнаруженные в реальных минералах.
«MIST учитывает тот факт, что природа хаотична, — сказала Зибах. — Минералы в реальном мире не всегда соответствуют формуле из учебника — вы можете найти дополнительный натрий, немного калия там, где он подходит, или элементы, меняющие местами свои позиции. MIST учитывает эти естественные несовершенства, что делает его идентификацию более точной».
Если MIST находит совпадение, он выводит название вида минерала, точную пересчитанную формулу и даже минеральные «конечные члены» — ключевые дескрипторы, используемые в геологии, такие как содержание форстерита (Fo) или фаялита (Fa) в оливине. Если точного совпадения не найдено, он всё равно может определить более широкий класс минералов, предоставив отправную точку для дальнейшего анализа.
«MIST не просто говорит: „это близко к авгиту“, — он показывает вам, почему, — сказал Гелу Костин, соавтор, научный сотрудник и заведующий лабораторией электронно-зондового микроанализа в Райсе. — Он показывает промежуточные расчёты, формулу и то, проходит ли состав строгие стехиометрические проверки».
В будущем MIST может быть напрямую интегрирован с аналитическими приборами для минералогии и петрографии, что позволит немедленно выполнять все расчёты.
Чтобы проверить, насколько хорошо MIST работает, команда использовала его для анализа данных из крупнозернистой магматической породы из Бушвельдского комплекса в Южной Африке. Из 225 измерений, проведённых с помощью EPMA, MIST правильно идентифицировал 199 минеральных точек, включая диопсид, авгит, плагиоклаз и ангидрит, и отказался назвать остальные, когда данные не соответствовали ни одному виду.
«Это именно то, что вы хотите от автоматизированной системы, — сказала Морленд. — Она не должна угадывать, когда химия не подходит. MIST знает, когда сказать: „Это неверное совпадение“».
Даже до того, как статья, описывающая MIST, была опубликована в интернете, инструмент уже набирал популярность через сарафанное радио.
«Мы сделали модель доступной онлайн на нашем веб-сайте до публикации, и более 50 пользователей зарегистрировались со всего мира, прежде чем мы закончили статью», — сказала Зибах.
Одним из самых больших достижений MIST может стать очистка и маркировка массивных баз данных минералов для использования в машинном обучении. Команда использовала его для фильтрации более миллиона анализов в геохимической базе данных GEOROC, стандартизировав 875 000 записей о природных минералах в формате, готовом для обучения моделей искусственного интеллекта или крупномасштабных геологических исследований.
«Это огромный шаг для геолого-геофизических наук, — сказала Зибах. — Машинное обучение настолько хорошо, насколько хороши данные, которые вы ему предоставляете, и MIST помогает убедиться, что эти данные точны и последовательны».
Инструмент доступен по адресу [mist.rice.edu](https://mist.rice.edu/). Он уже используется для планетологических исследований, включая анализ химических данных с марсоходов NASA.
«MIST начинался как способ помочь интерпретировать минералы на Марсе, — сказала Зибах. — Но он оказывается столь же ценным и для пород здесь, на Земле».
Предоставлено Университетом Райса.