左仁广：智能矿产预测的技术挑战与解决方案

本文针对智能矿产预测领域存在的技术挑战展开分析。背景方面，由于成矿过程复杂、成矿作用稀有、特征多样以及AI模型黑箱属性，导致面临数据表征不充分、训练样本不足、模型鲁棒性差、泛化能力弱和可解释性差五大难题。研究目的旨在提出创新解决方案，通过剖析问题成因并梳理现有方法，最终设计了地质约束的自监督图-Transformer模型和地质约束的图强化学习模型两种新框架。结论表明，这两种模型能有效提升空间关系表征能力、缓解样本稀缺问题，并通过融入地质知识增强可解释性和泛化能力，在闽西南矿区的实验验证了其有效性。