【斯坦福大学官网】2024年9月19日讯 —— 近日，斯坦福大学地球与行星科学专业迈克尔·哈森（Michael Hasson），近期在《美国国家科学院院刊》（PNAS）发布了一项具有里程碑意义的研究成果：SandAI——一种用于扫描沙粒并揭示其近期乃至远古历史的工具。这项创新性的研究成果不仅为地质学家提供了一种新的视角去审视地球上沉积物的历史，还可能改变我们对过去气候变化的理解。

据斯坦福大学官网报道，SandAI是一个深度学习模型，它能够通过分析沙粒表面的微观纹理特征，自动识别沙粒经历的物理过程和它们的来源环境。这项技术的核心是利用人工智能算法处理扫描电子显微镜下获得的沙粒图像。研究人员指出，这些图像包含了关于沙粒形成条件的重要线索，而SandAI则能够解读这些线索，从而揭示沙粒的“生活史”。

传统的地质学研究中，科学家们通常依赖肉眼观察或简单的化学测试来推断岩石的形成环境。这种方法虽然有效，但在精度和效率方面存在局限性。相比之下，SandAI利用了机器学习的强大能力，可以在短时间内分析大量的数据，且准确性得到了显著提升。通过训练，SandAI已经能够区分河流、风力、冰川和海滩等不同环境下的沙粒，这对于重建古代地貌和气候条件至关重要。

“我们现在能够提供以前无法得知的关于地质表面的详细结论，这让我觉得相当震撼。我们很期待看到SandAI能带来什么成果。” 迈克尔·哈森说。SandAI的一个关键应用是在于它能帮助科学家们更好地理解地球历史上极端气候事件的影响，比如“雪球地球”现象。通过分析沉积物中保存下来的沙粒，研究人员可以推测出在那些冰川覆盖的时期，哪些区域可能存在过活跃的冰缘系统。这些信息对于理解过去气候变化模式以及预测未来可能发生的气候变化都极为重要。

为了构建SandAI，研究人员使用了一种神经网络，这种网络的学习方式类似于人脑，在人脑中正确答案会加强程序中人工神经元或节点之间的连接，从而使计算机能够从错误中学习。在世界各地合作者的帮助下，哈森收集了数百张沙粒的扫描电子显微镜图像，这些图像代表了最常见的陆地环境中的物质：河流（河流和溪流）、风成（如沙丘等风力沉积物）、冰川和海滩。“我们希望这种方法不仅能跨越地质时间，还能涵盖地球上所有的地理环境，”哈森说。“因此，例如，风成沙丘类别被设计为包括湿润和干燥、大和小的各种实例。我们需要这些类别尽可能地多样化。”

此外，SandAI还有助于考古学领域的研究。通过对遗址中发现的沙粒进行分析，考古学家能够更精确地定位文物的原始位置，甚至是追溯古代人类活动的痕迹。这一发现为跨学科研究开辟了新的途径，让考古学家和地质学家能够共享一个强大的工具箱。斯坦福大学的这一突破性进展不仅展示了人工智能在科学研究中的潜力，也预示着未来地质学研究的一个新方向。随着SandAI模型的不断完善，我们可以期待它将在更多领域发挥重要作用，为我们揭示地球的秘密打开一扇新的窗口。

附图：

图1. 扫描电子显微镜揭示了密西西比河石英沙粒的形状和纹理。图中的沙粒长约200微米。（图片来源：Michael Hasson） 

图2. SandAI神经网络使用现代石英砂进行训练，可以帮助揭示古老岩石中编码的历史。图中显示的是阿曼地区古老水流动形成的波痕被现代风蚀沉积物重新改造的情况。

更多写新闻 信息，请阅读：

https://news.stanford.edu/stories/2024/09/introducing-sandai-a-tool-for-scanning-sand-grains-that-opens-windows-into-recent-time-and-the-deep-past

作者联系信息：