摘要
关键原材料（CRM）勘探日益将地球观测、地球物理学、地球化学、矿产远景制图、概率建模及自主感知等技术手段相结合。然而，这些能力通常作为独立组件分别开发或部署，而将观测、具有不确定性感知的地质推理以及后续勘探决策显式耦合在一起的做法仍相对不足。本文提出"闭环矿产智能"（CLMI）作为一种概念与方法论框架，用于在迭代式的"观测–建模–决策"流程中组织上述各项能力。本文的贡献并非提出一种新的独立学习算法，也非声称拥有经过实际操作验证的勘探系统，而是形式化地构建了一个参考架构：在该架构中，异构观测数据用于更新概率地质表征，不确定性信息用于指导后续观测的优先级排序，而专家监督仍然是决策循环的一部分。该框架通过一个含锂伟晶岩的说明性场景加以阐释，明确了预期的信息流、候选数据源、建模功能、决策节点及人工干预环节，但未报告实证性能。此外，本文还制定了验证路线图，以使该框架在未来案例研究中具有可检验性，具体包括对基准基线、不确定性校准、信息增益评估、勘探效率指标、计算可行性及人机交互等方面的要求。通过区分已有技术组件与本文提出的系统级集成方案，本文将CLMI定位为面向适应性、不确定性感知矿产勘探的研究框架与议程，而非一个已被证明可替代当前专业实践的成品。
