近日，我校资源与环境工程学院联合浙江大学地球科学学院，在机器学习研究岩石圈地幔温度和压强环境领域取得重要进展，相关成果以标题为“Mapping Global Lithospheric Mantle Pressure‐Temperature Conditions by Machine‐Learning Thermobarometry”发表于地质领域权威期刊《Geophysical Research Letters》(https://doi.org/10.1029/2023GL106522)。我校地质工程学科青年教师秦奔为第一作者兼通讯作者，内蒙古工业大学为论文第二完成单位，浙江大学张舟研究员为共同通讯作者。
岩石圈地幔和下伏软流圈地幔的相互作用（改自Rychert et al. (2020) JGR-Solid Earth）
岩石圈地幔的压强和温度条件对研究地球内部的动力学性质至关重要，包括岩浆的生成和克拉通的稳定性。地幔捕掳体是岩石圈地幔的直接样品，前人将高温高压实验开发的矿物温压计应用于地幔捕掳体，从而研究这些样品代表的岩石圈内部的温压条件。矿物温压计的原理是建立矿物元素成分和温压的关系。经典温压计一般只采用一个或者多个简单方程来关联矿物化学数据与矿物结晶压强和温度的变化。然而，这些公式通常伴随着较大的标准误差估计，且只适用于特定的元素含量范围，难以广泛并准确地应用到全球范围的地幔捕掳体上。
机器学习模型预测全球克拉通岩石圈温压环境
作者收集了985个高温高压实验数据，利用机器学习手段建立了适用于全球地幔捕掳体的单斜辉石-斜方辉石矿物对温压计（训练集和测试集R2分别为0.97和0.82），并预测了全球地幔捕掳体温度和压强，以及通过热模型计算得到了全球岩石圈-软流圈边界深度。为研究地幔演化过程提供了更进一步的帮助。
《Geophysical Research Letters》为自然指数期刊，一区TOP，五年影响因子5.2，是地质领域最具影响力和最权威的顶级期刊之一。这是我校首次以合作单位在该期刊发表研究成果，标志着我校相关领域科研水平的不断提升。
