黑云母（包括狭义的黑云母和金云母）是地壳和地幔中广泛存在的一种含挥发份硅酸盐矿物。由于其晶体结构的复杂性，黑云母能够大量的赋存多种阳离子和阴离子。对于深部岩浆过程而言，黑云母的化学成分被认为具有重要的岩石学意义，可以指示其形成的温度、压力、氧逸度、水活度等重要参数。目前，基于岩浆型黑云母的地质温压计还很缺乏，文献中经常被使用的黑云母Ti温度计和Al压力计实际上存在极大的估算偏差。近年来，随着大数据和机器学习在岩石学和矿物学中的广泛应用，它们在建立地质温压计方面的独特优势已经被越来越清楚的揭示，也得到了数据检验和实际应用的广泛支持。

图1 (a) 用于机器学习的温度和压力; (b) 含黑云母岩浆体系的熔体成分.

    实验室李晓彦副教授、张超教授合作将机器学习方法运用于岩浆黑云母矿物成分的成因分析，在高温高压实验大数据的基础上（图1），建立了一个适用广泛、性能可靠、使用方便的黑云母温压计。此项研究成果近日在国际地学重要期刊JGR-Solid Earth上在线发表。

图2 极端随机树模型对于实验黑云母形成温度和压力的预测效果

    通过严格的数据处理和分析流程，应用了极端随机树、随机森林、核支持向量机、K-近邻算法、多元自适应回归、弹性网络回归、偏最小二乘法、主成分回归、普通最小二乘法等9种机器学习算法来训练温度和压力的预测模型。结果显示，极端随机树模型是可靠而实用的方法，能够对温度和压力进行有效的回归和预测（R2>0.9，图2）。

图3黑云母温压计应用于加州Bishop火山的流纹岩

我们也将新的机器学习黑云母温压计运用于天然火山体系的温压估算。例如，对于美国加州的Bishop流纹质火山灰（图3），黑云母显示的温度和压力范围明显高于磁铁矿-钛铁矿、石英等岩浆晚期结晶相和流体包裹体的温压范围，并且显示出连续变化的趋势，指示了黑云母的较早结晶和对应的深部岩浆房信息，并且黑云母成分的变化很好的对应了岩浆演化趋势（温度降低）。

图4机器学习黑云母温压计运算实现的网页界

https://lixiaoyan.shinyapps.io/Biotite_thermobarometer/

为了简化机器学习黑云母温压计的使用，我们将算法程序嵌入到网页中（图4），并提供单一成分处理（网页直接输入成分数据）和多成分批量处理（下载模板表格、输入批量数据、上传数据表格）两种方式。

文章信息：Li, X.* & Zhang, C.* (2022). Machine learning thermobarometry for biotite-bearing magmas. Journal of Geophysical Research: Solid Earth, 127, e2022JB024137.

https://doi.org/10.1029/2022JB024137

李晓彦为文章第一作者，李晓彦和张超为共同通讯作者。

此项工作得到国家自然科学基金项目（42130310、41972055、41902052）的资助。