圖1 - 那不勒斯地區及其三座火山：Campi Flegrei、Ischia、Procida 和 Somma-Vesuvius 以及主要爆發性噴發的區域分佈。
圖1 - 那不勒斯地區擁有三座主要火山：Campi Flegrei、Ischia、Procida 和 Somma-Vesuvius 及其主要爆發性噴發的區域分佈。
圖2 - 通常用於那不勒斯火山岩成分分類的圖表：基於所選數據 (a,b) 的圖表和源自整個數據集 (c,d) 的圖表之間的可讀性不同是顯而易見的。
圖2 - 用於對那不勒斯火山岩的岩石成分進行分類的常用圖表：選定的數據集使圖表相對於整個數據集更具可讀性。
機器學習為了解那不勒斯火山提供了寶貴幫助
透過人工智慧對那不勒斯地區火山岩的成分進行處理和分類。 這是機器學習應用於岩石地球化學以預測結果的研究目標：剛剛發表在《火山學和地熱研究雜誌》雜誌上的那不勒斯火山歷史案例以及來自國家地球物理和火山學研究所的兩名研究人員的工作（ INGV）。
這項工作代表了利用研究人員已有的資料庫進行岩石學分析發展的新「起點」。
《岩石的化學成分》INGV 維蘇威天文台研究員 Monica Piochi 解釋道， 「它由岩石中存在的多種元素組成，如矽、鈣、鉀、鍶、鉛、硫、砷、鈾、鋇等。 在單一火山沉積物內和不同的噴發事件期間，這種化學組合可以幾乎恆定或變化，以響應岩漿庫的特定動態」。
“那不勒斯的每一次火山爆發”，研究人員繼續說道， 「它產生的沉積物具有自己的化學成分，因此可以從中推斷出噴發和供給岩漿儲層的特徵； 這就像根據一個人的身體特徵和一組血液化學參數來追蹤一個人的身份。
D考慮到現有的大大小小的多樣性以及描述這些多樣性的眾多參數，岩石以及個體的識別是一項漫長而複雜的操作。 然而，了解火山的類型對於理解火山的行為及其對地區的影響是必要的，同樣，識別一個人對於確定他的生活方式和健康狀況也很有用。“。
“機器學習”INGV 研究員 Alessandro Pignatelli 解釋說， 「它是科學領域的常用工具，在醫學、經濟、社會等各個研究領域中變得越來越廣泛，也有人嘗試將其應用於岩石學領域」。
為了評估人工智慧的潛力，兩位研究人員收集了文獻中存在的大量化學數據並將其分組到一個資料庫中（54 個樣本的9800 個變數），首先強調了一些火山爆發和火山爆發的豐富數據。別人的短缺。 特別是，Campi Flegrei 和 Vesuvius 的資料庫非常廣泛，但缺乏 Ischia 和 Procida 火山活動的資料庫。 此外，他們還尋找適合研究目標的最佳演算法。
“為了正確的評價” 亞歷山德羅·皮納泰利繼續說道， 「我們使用了不同的機器學習技術，並且對於每種技術，我們都評估了正確分類樣本的能力」。
“我們的研究結果”，添加 Monica Piochi 和 Alessandro Pignatelli， 「顯示在現有資料庫的基礎上，可以使用人工智慧獲得那不勒斯火山岩成分數據的首次快速分類。 這種分類的優點是快速且不受操作者的自由裁量權的影響。 事實上，機器學習有大約 98% 的能力將來源不明的岩石（但仍在那不勒斯背景下識別）「集中」歸因於其中一座火山，大約 90% 歸因於噴發期，並且至少70%為噴發地層。 此外，人工智慧（AI）已被證明能夠快速「處理」岩石數據，這得益於與人類相比的卓越運算能力。
我們將人工智慧應用於那不勒斯案例，為未來數據收集的快速可靠分析奠定了基礎，特別是為與整個義大利（如果不是全球）火山活動相關的大型數據集創建自動控制系統」。
“岩石沉積物歸因於某種噴發事件”， 研究人員總結：「它對於確定岩漿產物的區域分佈和噴發本身的強度、對領土和氣候變遷以及對生物物種流動的影響是非常有用的信息。 例如，在考古學中，它可用於確定建築和常用材料（例如磨石）的提取地點以及重建商業交通」。
---
人工智慧為火山學服務
機器學習為了解那不勒斯火山提供了寶貴幫助
透過人工智慧對那不勒斯地區火山岩的成分進行細化和分類。 這就是研究的目的 機器學習應用於岩石地球化學以預測結果：那不勒斯火山歷史案例 剛發表在《火山學與地熱研究期刊》雜誌。 該研究是義大利國家地球物理和火山研究所（INGV）兩名研究人員的工作成果。
這項工作代表了利用研究人員已有的資料庫進行岩石學分析發展的新「起點」。
“岩石的化學成分”， INGV 維蘇威天文台研究員 Monica Piochi 解釋：「由岩石中存在的多種元素組成，如矽、鈣、鉀、鍶、鉛、硫、砷、鈾、鋇等。 在單一火山沉積物內和在各種噴發事件期間，這種化學組合可以幾乎恆定或變化，以響應岩漿庫的特定動態」。
「那不勒斯的每次火山爆發“，研究人員繼續說道， 「產生了具有其自身化學成分的沉積物，因此我們可以推斷出噴發和岩漿供應庫的特徵；這就像從一個人的身體特徵和一組血液化學參數來追蹤一個人的身份一樣。
由於現有的多樣性大大小小的以及描述這種多樣性的參數眾多，因此岩石以及個體的識別是一項漫長而複雜的操作。 然而，了解火山的類型對於了解火山的行為及其對地區的影響是必要的，同樣，識別一個人對於確定他的生活方式和健康狀況也很有用。”
《機器學習》INGV 研究員 Alessandro Pignatelli 解釋道，「是科學領域的常用工具，在醫學、經濟、社會等各個研究領域中得到越來越多的使用，也有人嘗試將其應用於岩石學領域」。
為了評估人工智慧的潛力，兩位研究人員收集了文獻中存在的大量化學數據並將其分組到一個資料庫中（54 個樣本的 9800 個變數），首先推斷出一些火山爆發的數據豐度和不足為他人。 特別是，Campi Flegrei 和 Vesuvius 的資料庫非常廣泛，但缺乏 Ischia 和 Procida 火山活動的資料庫。 此外，他們還尋找實現研究目標的最佳演算法。
“為了正確的評價” 亞歷山德羅·皮納泰利解釋說， 「我們使用了不同的機器學習技術，並且針對每種技術，我們評估了正確分類樣本的能力」。
“我們的研究結果”，Monica Piochi 和 Alessandro Pignatelli 補充道， 「表明在現有資料庫的基礎上，可以使用人工智慧來獲得那不勒斯火山岩成分資料的首次快速分類。這種分類的優點是快速且不受操作員的自由裁量權的影響。機器學習，事實上，它有大約98% 的能力將來源不明的岩石（但仍在那不勒斯背景下識別）歸因於其中一座火山，大約90% 歸因於噴發期，至少70%到噴發地層。
此外，事實證明，人工智慧（AI）憑藉著優於人類的運算能力，能夠快速「處理」岩石數據。
我們在那不勒斯案例中的人工智慧應用為未來數據的快速可靠分析以及為與整個義大利火山活動相關的大型數據集開發自動檢查系統創造了前提——如果不是在全球範圍內的話。”
岩石沉積物對某種噴發事件的歸因"，研究人員得出結論， 「對於確定岩漿產物的區域分佈、噴發本身的強度、對領土、氣候變遷以及生物物種流動性的影響，這是非常有用的信息。例如，在考古學中，它可能很有用確定建築材料和磨石等常用材料的開採地點，並重建商業交通」。
鏈接： https://www.sciencedirect.com/science/article/abs/pii/S0377027321000834