Ilmuwan Gunakan Machine Learning untuk Prediksi Lokasi Mineral

Liputan6.com, Jakarta - Dalam sebuah terobosan baru, sebuah machine learning model telah menunjukkan kemampuannya untuk memprediksi lokasi mineral di Bumi dan kemungkinan di planet lain.

Dengan memanfaatkan pola di dalam asosiasi mineral, model ini berpotensi merevolusi pencarian deposit mineral, yang akan membantu pemahaman ilmiah dan ekstraksi industri untuk aplikasi teknologi seperti baterai isi ulang.

Secara tradisional, tugas untuk menemukan kemunculan mineral tertentu sangat bergantung pada pengalaman individu dan bahkan keberuntungan, sehingga menjadikannya sebagai seni dan ilmu pengetahuan.

Namun, Shaunna Morrison, Anirudh Prabhu, dan tim mereka dari Carnegie Institution for Science berupaya menciptakan pendekatan yang lebih tepat dan sistematis.

Mereka mengembangkan machien learning yang memanfaatkan data dari Mineral Evolution Database, yang mencakup 295.583 lokasi mineral yang mewakili 5.478 spesies mineral. Dengan menganalisis aturan asosiasi, model ini dapat memprediksi kemunculan mineral yang sebelumnya tidak diketahui.

Untuk memvalidasi model mereka, para peneliti berfokus pada cekungan Tecopa di Gurun Mojave, sebuah lingkungan analog yang terkenal untuk Mars.

Terungkap, model machine learning itu berhasil mengidentifikasi lokasi mineral yang signifikan secara geologis, termasuk alterasi uraninit, rutherfordine, andersonite, schröckingerite, bayleyite, dan zippeite.

Selain itu, machine learning model ini juga menunjukkan area-area yang menjanjikan yang kaya akan unsur tanah jarang dan mineral lithium, seperti monasit-(Ce), allanit-(Ce), dan spodumene.

Implikasi dari terobosan ini meluas hingga ke luar Bumi. Kemampuan untuk memprediksi lokasi mineral berdasarkan analisis asosiasi memiliki potensi yang luar biasa bagi para ahli mineralogi, ahli perminyakan, ahli geologi ekonomi, dan ilmuwan planet.

Pendekatan inovatif ini dapat membantu memahami sejarah planet kita, mengungkap sumber daya yang berharga, dan berpotensi memfasilitasi eksplorasi mineral di masa depan pada benda langit lainnya.

Dengan memanfaatkan kekuatan machine learning model dan memanfaatkan basis data mineral yang adaa saat ini, para ilmuwan pun dapat membuat keputusan yang lebih tepat tentang ke mana harus mengarahkan upaya penelitian dan eksplorasi mereka.

Kemampuan prediksi dari model ini pada dasarnya menawarkan alat yang berharga untuk mengoptimalkan eksplorasi mineral, mengurangi biaya, dan meningkatkan peluang untuk menemukan cadangan mineral baru.

Seiring dengan pemahaman kita tentang mineral dan signifikansinya yang terus berkembang, integrasi kecerdasan buatan dan pembelajaran mesin dalam mineralogi menjanjikan untuk membuka wawasan baru dan mempercepat kemajuan ilmiah.

Potensi penerapan dalam industri mulai dari pertambangan hingga energi terbarukan terbuka sangat luas, menawarkan kemungkinan yang menarik untuk penemuan ilmiah dan kemajuan teknologi.