斯坦福大学的研究人员创建了 SandAI，这是一种人工智能工具，可以揭示石英砂粒的古代历史，识别风、河流、波浪或冰川如何塑造它们。通过使用机器学习，SandAI 提高了微观结构分析的准确性和客观性，使其对于地质研究和法医调查（例如跟踪非法采砂）很有价值。
斯坦福大学的研究人员创建了一种名为 SandAI 的人工智能工具，能够揭示石英砂颗粒跨越数亿年的历史。SandAI 使科学家能够准确确定风、河流、波浪或冰川运动是否塑造和沉积了沙粒。
该工具为研究人员提供了了解过去的地质和考古研究的独特窗口，尤其是对于各个时代的研究以及随着时间的推移，很少有其他线索（例如化石）被保存下来的环境。SandAI 的方法称为微观结构分析，还可以帮助对非法采砂及相关问题进行现代法证调查。
在未受干扰或变形的沉积矿床上工作，感觉就像您能得到的最接近的感觉在时间机器中，您可以准确地看到地球表面的情况，甚至是数亿年前。斯坦福杜尔可持续发展学院地球与行星科学助理教授 Mathieu Laptre 的博士研究生迈克尔·哈森 (Michael Hasson) 表示，SandAI 为我们可以从中获取的信息添加了另一层细节。哈森是一项展示该工具的新研究的主要作者，该研究于本周发表在《美国国家科学院院刊》上。
历史上，微观结构分析都是手工完成的和眼睛，使用放大镜和显微镜试图推断沙粒的历史。现代科学已经验证了这种方法，表明运输机制确实传递了明显的特征，例如，传播得更远的谷物通常看起来更圆，因为它们的尖角变钝了；海浪和风也会留下独特的磨损图案。
然而，传统的微观结构分析非常主观、耗时，而且在不同的研究中都是分散的。得益于新工具，它利用机器学习的力量来深入检查沙粒的微观图像，微观结构分析现在可以更加定量、客观，并且在广泛的应用中可能有用。它还分析单个沙粒，而不是将多个沙粒归为一个类别，从而提供更完整的评估。
我们不再需要人类仔细检查并决定沙粒的一种纹理与另一种纹理是什么，而是使用该论文的资深作者拉普特说，机器学习使微观结构分析更加客观和严谨。我们的工具为以前无法实现的微观结构分析应用打开了大门。
在世界范围内，沙子是仅次于水的最常用资源，在建筑行业中至关重要。混凝土、砂浆和一些灰泥等材料需要角砂才能获得适当的粘附力和稳定性。然而，测量沙子的来源以确保道德和合法来源具有挑战性，因此研究人员希望 SandAI 能够增强可追溯性。例如，SandAI 可以帮助法医调查人员打击非法采砂和疏浚行为。
为了构建 SandAI，研究人员采用了一种神经网络，该网络的学习方式类似于到人脑，正确的答案会加强程序中人工神经元或节点之间的联系，使计算机能够从错误中学习。
在世界各地合作者的帮助下，哈森组装了数百个扫描数据沙粒的电子显微镜图像，代表来自最常见陆地环境的物质：河流（河流和溪流）、风成沉积物（风吹沉积物，例如沙丘）、冰川和海滩。
我们想要这种方法哈森说，不仅要跨越地质时间，还要跨越地球上所有的地理区域。例如，风吹沙丘类的设计包括湿和干、大和小的示例。我们需要类别尽可能多样化。
SandAI 分析了这组图像，以训练自身根据人类研究人员可能无法识别的特征来预测沙粒历史。该工具自然会犯错误，然后会迭代改进。一旦 SandAI 达到了 90% 的预测准确率，研究人员就引入了该模型以前从未见过的新样本。
利用来自特征鲜明的环境的砂岩图像，范围从现在到大约 2 亿年前在侏罗纪时代，SandAI 表现出色，正确地阐明了颗粒的运输历史。
接下来，研究人员用当时从挪威收集的沙粒图像对该工具提出了挑战追溯到六亿多年前的成冰纪时期。更广为人知的是“雪球地球时代”，人们认为在植物和动物进化之前，冰盖已经覆盖了整个地球。被称为“Brvika Member”的样本的起源一直存在争议，各个研究小组得出了不同的结论。
通过这个 Cryogenian 样本，我们看到了我们可以将 SandAI 推向多远，并真正使用它哈森说，它是为了进行新的科学研究，而不仅仅是验证该工具是否有效。
有趣的是，SandAI 推测古代沙粒是作为风吹沙丘的一部分形成和沉积的，与一些手册一致微观结构研究。此外，由于该工具分析单个沙粒，而不是将多个沙粒归为一个类别，因此出现了其他细节。虽然主要特征确实表明了风的传输，但手工技术可能会错过的次要特征则指向冰川沙。这些信号共同描绘了在冰川附近某处运行的沙丘的肖像，正如雪球地球时期所预料的那样。
为了进一步评估这些发现，哈森和同事寻找了一个潜在的现代模拟这个冰冻纪地质场景。研究人员通过 SandAI 运行来自南极洲的风吹沙粒，果然得到了相同的结果。哈森说，SandAI 的这些发现表明，南极洲确实与布尔维卡成员所代表的环境具有良好的现代相似性。它们是一个非常有力的证据，证明我们从成冰纪沉积物中获得的信号不仅仅是侥幸。
研究人员已将 SandAI 发布到网上供任何人使用。他们计划根据用户反馈继续开发它，并期待看到该工具在一系列环境中得到应用。
事实上，我们现在可以提供有关地质矿床的详细结论，而这些结论在我发现之前是不知道的令人兴奋的，哈森说。我们期待看到 SandAI 还能做什么。
参考：自动确定沙子和砂岩中的输运和沉积环境，作者：Michael Hasson、M. Colin Marvin 和 Mathieu G. A. Laptre，2024 年 9 月 16 日，会议论文集美国国家科学院。
DOI：10.1073/pnas.2407655121