Model mašinskog učenja može predvideti lokacije minerala na Zemlji — i potencijalno na drugim planetama — koristeći prednosti obrazaca u asocijacijama minerala. Nauka i industrija traže mineralna nalazišta kako bi bolje razumeli istoriju naše planete i izvukli za upotrebu u tehnologijama kao što su punjive baterije.
Shaunna Morrison, Anirudh Prabhu i kolege su nastojali da stvore alat za pronalaženje pojava specifičnih minerala, zadatak koji je dugo bio isto toliko umetnost koliko i nauka, oslanjajući se na individualno iskustvo, zajedno sa zdravom dozom sreće.
Tim je kreirao model mašinskog učenja koji koristi podatke iz baze podataka o evoluciji minerala, koja uključuje 295.583 mineralna lokaliteta od 5.478 vrsta minerala, da bi predvideo ranije nepoznate pojave minerala na osnovu pravila asocijacije. Autori su testirali svoj model istražujući basen Tekopa u pustinji Mohave, dobro poznatom analognom okruženju Marsa.
Model je takođe mogao da predvidi lokacije geološki važnih minerala, uključujući izmene uraninita, ruterfordin, andersonit i šrokingerit, bejleit i cipeit.
Pored toga, model je locirao obećavajuća područja za kritične minerale retkih zemalja i litijum, uključujući monazit-(Ce), i alanit-(Ce) i spodumen. Prema autorima, analiza asocijacija minerala može biti moćno sredstvo za predviđanje za mineraloge, petrologe, ekonomske geologe i planetarne naučnike.
