期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向人类智能与人工智能融合的矿产资源预测新范式
被引量：
1
1
作者
成秋明
《地学前缘》
北大核心
2025年第4期1-19,共19页
矿产资源是支撑社会经济发展的关键物质基础,其形成和分布受控于地球深部过程与浅表环境的复杂相互作用。随着全球矿产资源需求持续增长,传统矿产资源预测方法在覆盖区、深部隐伏矿及非传统找矿区域的应用面临巨大挑战。近年来,大数据...
矿产资源是支撑社会经济发展的关键物质基础,其形成和分布受控于地球深部过程与浅表环境的复杂相互作用。随着全球矿产资源需求持续增长,传统矿产资源预测方法在覆盖区、深部隐伏矿及非传统找矿区域的应用面临巨大挑战。近年来,大数据和人工智能(AI)技术的快速发展为矿产资源研究提供了重要机遇,为矿产资源预测与评价提供了变革性的技术手段。本文系统梳理了矿产资源预测的理论演进历程,深入探讨了大数据与AI赋能的矿产资源预测新范式,包括“矿床”概念的拓展、地球系统-成矿系统-勘查系统-预测评价系统的多系统关联建模、地质调查数据与科研长尾数据的智能集成,以及人类智能(HI)与人工智能(AI)的深度融合。通过作者团队近年来完成的覆盖区矿产综合预测、深部矿产资源定量预测及全球斑岩铜矿知识图谱构建等研究项目的典型案例解剖,展示了非线性理论与AI技术在解决矿产资源预测关键科学问题中的创新应用。在此基础上,文章展望了未来数据驱动与智能协同将彻底改变矿产资源预测范式,显著提升矿产资源预测的精度和效率,推动矿产资源预测从传统经验模式向智能化、定量化方向转变,为新一轮找矿突破战略行动提供重要的理论和技术支撑。
展开更多
关键词
大数据
大模型
人工智能
矿产资源预测
非线性理论
知识图谱
深部与覆盖区找矿
在线阅读
下载PDF
职称材料
基础模型时代的地球科学:AlphaEarth如何重塑定量地学
2
作者
成秋明
杨一琳
+1 位作者
周远志
张渊智
《地学前缘》
北大核心
2025年第5期1-11,共11页
进入21世纪以来,随着大数据和人工智能技术的快速发展与深度应用,地球科学正在经历一场深刻的变革,其特征是研究范式由定性描述转向定量分析,由对自然现象的观察转向对内在机理的深入揭示,由局部区域的研究扩展至全球尺度的综合视角,由...
进入21世纪以来,随着大数据和人工智能技术的快速发展与深度应用,地球科学正在经历一场深刻的变革,其特征是研究范式由定性描述转向定量分析,由对自然现象的观察转向对内在机理的深入揭示,由局部区域的研究扩展至全球尺度的综合视角,由基于经验的推断发展为依托数据与模型的智能预测。Alpha-Earth Foundations(AEF)作为新一代地球空间(Geo)智能平台,通过构建统一的64维共享嵌入空间,首次实现了光学、雷达、激光等12类对地观测数据的标准化表征与无缝融合,其数据同化效率显著提高,解决了长期困扰地球科学研究的“数据孤岛”问题,同时也正促进重塑地球科学研究的范式与方法论体系,特别是在定量地球科学领域实现突破性进展。本文系统论述AEF如何通过其创新的多源数据融合架构、高维特征标注学习和可扩展计算框架,对推动数据驱动的地球科学研究进入智能化、精准化和实时化发挥作用,同时,通过资源环境领域的应用实例表明AEF的潜在应用前景和创新需求。研究表明,AEF不仅显著提升了传统地球科学问题的解决效率,更催生了多个全新的地学研究方向和方法论体系。
展开更多
关键词
大模型
人工智能
矿产预测
AlphaEarth
知识图谱
深部与覆盖区找矿
在线阅读
下载PDF
职称材料
题名
面向人类智能与人工智能融合的矿产资源预测新范式
被引量：
1
1
作者
成秋明
机构
中国地质大学(北京)地质过程与成矿预测全国重点实验室
中国地质大学(北京)教育部深时数字地球前沿科学中心
出处
《地学前缘》
北大核心
2025年第4期1-19,共19页
基金
国家自然科学基金重点项目(42050103)
高等学校学科创新引智计划项目(B25052)
+1 种基金
广东省珠江人才创新团队资助项目(2021ZT09H399)
教育部DDE前沿科学中心资助项目(2652023001)。
文摘
矿产资源是支撑社会经济发展的关键物质基础,其形成和分布受控于地球深部过程与浅表环境的复杂相互作用。随着全球矿产资源需求持续增长,传统矿产资源预测方法在覆盖区、深部隐伏矿及非传统找矿区域的应用面临巨大挑战。近年来,大数据和人工智能(AI)技术的快速发展为矿产资源研究提供了重要机遇,为矿产资源预测与评价提供了变革性的技术手段。本文系统梳理了矿产资源预测的理论演进历程,深入探讨了大数据与AI赋能的矿产资源预测新范式,包括“矿床”概念的拓展、地球系统-成矿系统-勘查系统-预测评价系统的多系统关联建模、地质调查数据与科研长尾数据的智能集成,以及人类智能(HI)与人工智能(AI)的深度融合。通过作者团队近年来完成的覆盖区矿产综合预测、深部矿产资源定量预测及全球斑岩铜矿知识图谱构建等研究项目的典型案例解剖,展示了非线性理论与AI技术在解决矿产资源预测关键科学问题中的创新应用。在此基础上,文章展望了未来数据驱动与智能协同将彻底改变矿产资源预测范式,显著提升矿产资源预测的精度和效率,推动矿产资源预测从传统经验模式向智能化、定量化方向转变,为新一轮找矿突破战略行动提供重要的理论和技术支撑。
关键词
大数据
大模型
人工智能
矿产资源预测
非线性理论
知识图谱
深部与覆盖区找矿
Keywords
big data
large language model(LLM)
artificial intelligence
mineral resource prediction
non-linear theory
knowledge graph
mineral exploration in deep and covered areas
分类号
P612 [天文地球—矿床学]
P628 [天文地球—地质矿产勘探]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基础模型时代的地球科学:AlphaEarth如何重塑定量地学
2
作者
成秋明
杨一琳
周远志
张渊智
机构
中国地质大学(北京)地质过程与成矿预测全国重点实验室
中国地质大学(北京)教育部深时数字地球前沿科学中心
中山大学地球科学与工程学院
南京信息工程大学海洋科学学院
出处
《地学前缘》
北大核心
2025年第5期1-11,共11页
基金
国家自然科学基金重点项目(42050103)
高等学校学科创新引智计划项目(B25052)
+2 种基金
广东省珠江人才创新团队资助项目(2021ZT09H399)
教育部DDE前沿科学中心资助项目(2652023001)
中国地质调查局地质调查项目(DD20240206201)。
文摘
进入21世纪以来,随着大数据和人工智能技术的快速发展与深度应用,地球科学正在经历一场深刻的变革,其特征是研究范式由定性描述转向定量分析,由对自然现象的观察转向对内在机理的深入揭示,由局部区域的研究扩展至全球尺度的综合视角,由基于经验的推断发展为依托数据与模型的智能预测。Alpha-Earth Foundations(AEF)作为新一代地球空间(Geo)智能平台,通过构建统一的64维共享嵌入空间,首次实现了光学、雷达、激光等12类对地观测数据的标准化表征与无缝融合,其数据同化效率显著提高,解决了长期困扰地球科学研究的“数据孤岛”问题,同时也正促进重塑地球科学研究的范式与方法论体系,特别是在定量地球科学领域实现突破性进展。本文系统论述AEF如何通过其创新的多源数据融合架构、高维特征标注学习和可扩展计算框架,对推动数据驱动的地球科学研究进入智能化、精准化和实时化发挥作用,同时,通过资源环境领域的应用实例表明AEF的潜在应用前景和创新需求。研究表明,AEF不仅显著提升了传统地球科学问题的解决效率,更催生了多个全新的地学研究方向和方法论体系。
关键词
大模型
人工智能
矿产预测
AlphaEarth
知识图谱
深部与覆盖区找矿
Keywords
large-scale models
artificial intelligence
mineral prospectivity mapping
AlphaEarth
knowledge graphs
deep and covered mineral exploration
分类号
P628 [天文地球—地质矿产勘探]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向人类智能与人工智能融合的矿产资源预测新范式
成秋明
《地学前缘》
北大核心
2025
1
在线阅读
下载PDF
职称材料
2
基础模型时代的地球科学:AlphaEarth如何重塑定量地学
成秋明
杨一琳
周远志
张渊智
《地学前缘》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
