矿物是地球系统的基本组成单元，其晶体结构、化学组成、表面性质和物理行为共同影响元素循环、资源形成、环境迁移和深部地球过程。随着显微成像、光谱分析、成分测试、实验模拟和理论计算等技术的发展，矿物学研究正在快速积累图像、光谱、结构、成分和文本等多源异构数据。如何从这些高维、异构和跨尺度数据中提取有效信息，并建立微观结构、矿物性质与宏观地质过程之间的联系，已成为智能矿物学发展的关键问题。

bw必威西汉姆联官网李伟教授团队在国际综述期刊 Earth-Science Reviews发表题为 “Machine learning for mineralogy: From atoms to earth system” 的综述论文。该文从矿物学问题本身出发，系统梳理了机器学习在矿物识别、地质信息反演、矿物行为预测和微观机制解析中的应用进展，并提出了面向“从原子到地球系统”的智能矿物学研究框架。

图1. 从原子到地球系统的矿物学多尺度研究框架及机器学习应用场景

文章围绕矿物识别、地质信息反演、矿物行为预测和微观机制解析四类核心任务，系统总结了机器学习在矿物学研究中的主要应用路径。作者强调，矿物学机器学习研究不能仅以模型预测精度作为评价标准，还需要同时关注数据来源、标签质量、模型适用范围、物理一致性和地质合理性。对于地学问题而言，只有将模型结果与矿物学知识和地球化学机制相互约束，才能形成可信的科学解释。

面向未来，文章指出矿物学人工智能仍面临数据规模有限、标准化不足、标签依赖专家解释、模型泛化能力受限以及物理机制嵌入不足等挑战。未来研究需要建设统一的数据集和标准化流程，发展多模态学习和跨尺度建模方法，并探索多模态大语言模型和智能体工作流在矿物学研究中的应用。随着人工智能技术的发展，矿物学研究有望从研究者主导的人机协同进一步走向智能体参与的闭环研究模式，在科学问题提出、实验设计、数据解析、计算模拟、机制假设生成和知识整合等环节发挥更系统的辅助作用。

图2 面向自主矿物学研究的智能体闭环框架

bw必威西汉姆联官网硕士研究生赵卓昊为论文第一作者，bw必威西汉姆联官网李伟教授为通讯作者。论文还受到bw必威西汉姆联官网陆现彩教授、之江实验室陈红阳研究员、中国地质大学（北京）人工智能学院季晓慧副教授的指导。该研究受到国家自然科学基金“矿物学”创新群体项目（42421002）资助。

文章信息：Zhuohao Zhao, Hongyang Chen, Xiaohui Ji, Xiancai Lu, Wei Li*, 2026. Machine learning for mineralogy: From atoms to earth system. Earth-Science Reviews 278, 105514. https://doi.org/10.1016/j.earscirev.2026.105514

图文：赵卓昊、李伟

审核：曾罡