Nový pohled na interpretaci magnetických staveb za pomoci 3D mikrostrukturní analýzy, numerického modelování a kvantově mechanického popisu (GA22-12828S)
Anizotropie magnetických vlastností hornin je velmi rozšířená, rychlá a levná metoda studia struktury hornin. Získaná magnetická stavba představuje velmi citlivý strukturní záznam deformace a toku v horninách. Nejúčelnějším přístupem k interpretaci magnetické stavby ve složitých horninových systémech se ukazuje být numerické modelování. Tento přístup je však omezen možnostmi mikrostrukturní analýzy a znalostmi magnetických vlastností minerálů. Navrhujeme nový způsob modelování magnetických vlastností hornin založený na 3D zobrazovacích metodách a rozvoji kvantově-mechanických výpočtů struktury a fyzikálních vlastností minerálů. Navrhovaný přístup ověříme na dvou příkladech lokalizace deformace v horninách. Nové použití teoretických kvantově-mechanických výpočtů umožní zkoumat závislost magnetokrystalické anizotropie na chemickém složení. Očekávaným výsledkem je zhodnocení možností 2D a 3D mikrostrukturních metod, kvantově-mechanických výpočtů a numerického modelování k interpretaci anizotropie magnetické susceptibility a jejího užití pro stanovení horninové mikrostruktury.
Cíle projektu
Model magnetické stavby založený na 3D mikrostrukturním obraze, numerickém modelování a ab-initio kvantově-mechanických výpočtech. Využití pokročilých metod 3D analýzy pro interpretaci dvou případů komplexních geologických procesů. Implementace kvantově-mechanických výpočtů vlastností minerálů.
Grantový projekt ve spolupráci s Katedrou inženýrství pevných látek na FJFI ČVUT, Praha
Hlavní řešitel: Matěj Machek, tým ROCKS
Hlavní spoluřešitel: Monika Kučeráková
Členové týmu:
Vladimír Kusbach, tým ROCKS
Zuzana Roxerová, tým ROCKS
Eduard Petrovský, tým ENVIRO
Prokop Závada, tým ROCKS
Martin Chadima, společnost Agico
Project duration: 2022 – 2024
Výstupy
Publikace
- 2023). Strain localization: Analog modeling and anisotropy of magnetic susceptibility. Geochemistry, Geophysics, Geosystems, 24, e2022GC010630. doi: 10.1029/2022GC010630 , , , & (