EG：机器学习解读黄铁矿LA-ICP-MS图谱

来自加拿大多伦多大学地球科学系的Nelson Román及合作者们探讨了机器学习技术在黄铁矿激光烧蚀电感耦合等离子体质谱（LA-ICP-MS）图谱解读中的应用，以位于南加州的 Colosseum 金矿床为例进行研究（图1）。Colosseum 金矿床在成因上与流纹质角砾杂岩有关，其中金矿化与2个主要的黄铁矿世代有关——早期黄铁矿和晚期黄铁矿（图2）。

图1 研究区地质图

图2 Colosseum 金矿床2期黄铁矿BSE图像

机器学习工作流程包括：首先通过无监督聚类检测单个图中不同的成分区域（图3）；然后，在第二个聚类步骤中，根据成分相似性对这些区域进行分组，从而实现不同图谱之间的直接比较，并提供代表矿床中各种矿化类型的黄铁矿成分概览（图4）。

图3 单个黄铁矿LA-ICP-MS谱图的聚类示例

图4 黄铁矿的聚类成分图，每个图使用5种不同方法单独聚类

单个图谱的聚类结果能够正确区分早期黄铁矿的不同生长区、横切早期黄铁矿生长的断裂以及晚期黄铁矿生长区，并与岩相学观测结果相符。第一步检测到的所有区域依次被划分为两个成分不同的组和第三个过渡组，以便在保持岩相学一致性的同时，实现谱图之间的直接比较（图5）。

图5 双标图显示了不同黄铁矿图之间的成分相关性

对于Colosseum，研究方法揭示了以下几点（图6）：（1）晚期黄铁矿中的金含量高于早期黄铁矿，但在两个世代以及Colosseum的两个矿化角砾岩筒中均可发现大量的Au；（2）从早期到晚期黄铁矿的过渡表现为从富含Co-Ni-Te的端元转变为富含Cu-Ag-Zn-Sb-Tl的端元；（3）在两个世代的黄铁矿中，Au都与As直接相关。

图6 Colosseum金矿床中黄铁矿矿化的物理化学条件、过程和阶段模式

谢谢分享，欢迎转载

你们的点赞▼在看▼是我们前进的动力