微量元素英文（微量元素英文）

地质学报 (英文版)

ACTA GEOLOGICA SINICA (English Edition)

编辑部推荐

2022年 96卷 06期

寻找可进行LA-ICP-MS U-Pb测年的石榴石：以石榴石电子探针主微量元素成分为依据

邓依，钟日晨*，李登峰*，李艳霞，崔浩

背景延伸

石榴石广泛存在于各种岩石和矿床中，因其具有高的U-Pb体系封存温度，可以有效地记录岩石的形成、变质或成矿的年龄 (Mezger et al., 1989)。随着激光剥蚀电感耦合等离子体质谱仪（LA-ICP-MS）技术的发展，石榴石的原位U-Pb测年为许多地质年代学研究提供了有效的解决方法 (Deng et al., 2017; Yang et al., 2018; Yan et al., 2020)。石榴石原位U-Pb测年成功的一个前提条件是石榴子石需要有足够高的铀含量。通常U-Pb测年成功的石榴子石，其铀含量大于1 ppm (Tang et al., 2021)。然而，在进行质谱分析之前，石榴子石的确切铀含量是未知的，因此，石榴子石测年具有因铀含量不够高而定年不成功的风险。

综述概况

针对以上问题，北京科技大学邓依、钟日晨和中山大学李登峰等采用机器学习方法探索石榴石主微量元素与铀含量的关系，开发了利用石榴石电子探针数据预测其铀含量，进而识别可定年的石榴石的算法。取得主要认识有：

1）统计含石榴石的原岩类型和铀元素含量信息，发现碱性岩，碳酸岩，矽卡岩中的石榴石富铀，而来自橄榄岩、辉石岩和榴辉岩的贫铀（图1）。石榴石的铀含量呈现多个峰值，其含量在约2 ppm以及 10 ppm处有较明显分界线。

2）将石榴石矿物化学元素数据转化成端元组分含量，进行主成分分析。结果显示，主成分1和主成分2分别占数据集的29.6%和12.9%的方差，能解释数据集42.5%的信息。在主成分1—主成分2投图上，贫铀和富铀石榴石形成聚集为相隔的两群（图2），这表明这两类石榴石在主量元素上有显著差异。然而，碎石图显示，有效区分贫铀和富铀石榴石至少需要4个独立变量，因而不能通过简单的二维判别图来实现（图2）。

3）使用神经网络方法训练了富铀和贫铀石榴石的判别模型，并采用K折交叉验证（K=5）的方法检验了模型对未知样品的判别能力（图3）。结果显示，神经网络模型对石榴石铀含量判别的平均正确率为91.9%，并且识别富铀石榴石的效果更好（正确率为98.6%）。因此，如果石榴石样品被模型判别为富铀石榴石，其结果十分可信。

4）判别模型被定名为“HighUGarnet”的Excel文件。研究者仅需输入石榴石电子探针数据，即可快速判别该石榴石是否适于进行LA-ICP-MS U-Pb定年。

图 1 不同原岩中石榴石铀含量柱状图

图 2 PCA结果图

图 3 交叉验证的混淆矩阵图

文章信息：

Deng et al., 2022. Hunting the Datable Garnet using the LA-ICP-MS U-Pb Method: Predicting Garnet U Concentration, based on Major and Minor Elements. Acta Geologica Sinica (English Edition), 96(6): 2148–2157. DOI: 10.1111/1755-6724.14921