2023年2月，英国伦敦帝国理工学院研究团队在《地球物理研究杂志：固体地球》发表文章《基于深度卷积神经网络的矿物结构分类：斑岩型铜矿中锆石的应用》（Mineral Texture Classification Using Deep Convolutional Neural Networks: An Application to Zircons From Porphyry Copper Deposits）称，开发出可以区分形成于铜相关岩石和花岗岩中的锆石颗粒之间微小差异的新方法，该方法可以帮助科学家寻找矿藏，并探测不同沉积物的起源。

锆石是一种在与岩浆活动有关的岩石中发现的常见矿物。锆石可以有各种形状、大小和内部结构，这些结构反映了锆石结晶的岩浆房的条件。新研究表明，与斑岩铜矿床有关的岩浆锆石可能具有特定的形态和结构。研究团队对来自秘鲁南部Quellaveco斑岩矿床的锆石和邻近的花岗质岩石进行了纹理成像，发现斑岩型锆石具有先前提出的预期特征形状和质地，而其他岩石则没有。研究人员使用一种名为卷积神经网络的机器学习工具，对斑岩铜矿岩石中的锆石图像进行分类，该方法能够识别锆石晶体中的边缘、区域和包裹体，将这些与铜有关的锆石与该地区其他类型岩石中的锆石区分开来，成功率为85%。类似的方法也可以用于指示水系沉积物中锆石的物源。铜作为关键矿产，有着广泛的工业应用，从电子到建筑领域，这项研究表明，将机器学习与更传统的技术相结合，可以更容易地探索和识别斑岩型铜矿。