論文の概要: Masked Mineral Modeling: Continent-Scale Mineral Prospecting via Geospatial Infilling

• arxiv url: http://arxiv.org/abs/2511.09722v1
• Date: Fri, 14 Nov 2025 01:06:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-14 22:53:22.43699
• Title: Masked Mineral Modeling: Continent-Scale Mineral Prospecting via Geospatial Infilling
• Title（参考訳）: マスケミネラルモデリング:地球空間埋没による大陸規模の鉱物探査
• Authors: Sujay Nair, Evan Coleman, Sherrie Wang, Elsa Olivetti,
• Abstract要約: 本研究では,資源利用の地理空間地図をマスキングし,埋蔵することにより鉱物の位置を推定する学習手法を開発した。 本手法は, アメリカ合衆国における鉱物データを用いた実測実験と, 実測モデルを用いた実測実験である。 このような補助的特徴を利用することで推論性能が向上し, また, 記録鉱物のない地域でのモデル評価が可能となる。
• 参考スコア（独自算出の注目度）: 3.4203278845013756
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Minerals play a critical role in the advanced energy technologies necessary for decarbonization, but characterizing mineral deposits hidden underground remains costly and challenging. Inspired by recent progress in generative modeling, we develop a learning method which infers the locations of minerals by masking and infilling geospatial maps of resource availability. We demonstrate this technique using mineral data for the conterminous United States, and train performant models, with the best achieving Dice coefficients of $0.31 \pm 0.01$ and recalls of $0.22 \pm 0.02$ on test data at 1$\times$1 mi$^2$ spatial resolution. One major advantage of our approach is that it can easily incorporate auxiliary data sources for prediction which may be more abundant than mineral data. We highlight the capabilities of our model by adding input layers derived from geophysical sources, along with a nation-wide ground survey of soils originally intended for agronomic purposes. We find that employing such auxiliary features can improve inference performance, while also enabling model evaluation in regions with no recorded minerals.
• Abstract（参考訳）: 鉱物は脱炭に必要な先進的なエネルギー技術において重要な役割を担っているが、地下に隠された鉱床の特徴は高価で困難である。 生成モデリングの最近の進歩に触発されて,資源利用の地理空間図をマスキングし,埋め込んで鉱物の位置を推定する学習手法を開発した。 本手法は、アメリカ合衆国における鉱物データと列車性能モデルを用いて、Dice係数が0.31$pm 0.01$、テストデータで0.22$pm 0.02$を1$\times$1 mi$^2$空間分解能で再現する。 我々のアプローチの大きな利点は、ミネラルデータよりも豊富かもしれない予測のために補助的なデータソースを容易に組み込むことができることである。 本研究では,地球物理資源由来の入力層と,もともと農業目的の土壌を全国的に調査することで,本モデルの有効性を強調した。 このような補助的特徴を利用することで推論性能が向上し, また, 記録鉱物のない地域でのモデル評価が可能となる。

関連論文リスト

• Fourier Neural Operator based surrogates for $CO_2$ storage in realistic geologies [57.23978190717341]
  我々は,$CO$ plume マイグレーションのリアルタイム・高分解能シミュレーションのためのニューラル演算子(FNO)モデルを開発した。 このモデルは、現実的な地下パラメータから生成された包括的なデータセットに基づいて訓練される。 本稿では,実際の地質学的位置を評価する上で重要なモデルから予測の信頼性を向上させるための様々な戦略を提案する。
  論文  参考訳（メタデータ） (2025-03-14T02:58:24Z)
• From Spectra to Geography: Intelligent Mapping of RRUFF Mineral Data [0.0]
  我々は1次元のConvNeXt1Dニューラルネットワークアーキテクチャを用いて、スペクトル信号のみに基づいてミネラルスペクトルを分類する。 処理されたデータセットは、101か国にまたがる32,900以上の鉱物サンプルからなる。
  論文  参考訳（メタデータ） (2024-11-18T16:15:00Z)
• GFM4MPM: Towards Geospatial Foundation Models for Mineral Prospectivity Mapping [2.7998963147546148]
  本研究では,ラベルのない地理空間データのみを用いて,バックボーンニューラルネットワークを自己教師型で学習する自己教師型アプローチを提案する。 以上の結果から,自己超越が学習特徴の堅牢性を促進し,予測精度が向上することが示唆された。 我々は、説明可能な人工知能技術を利用して、個々の予測が地質学的観点から解釈できることを実証する。
  論文  参考訳（メタデータ） (2024-06-18T16:24:28Z)
• Direct mineral content prediction from drill core images via transfer learning [0.0]
  深層探査は、鉱業、石油、ガス産業、化学廃棄物や核廃棄物の処理のための地質単位の評価において重要である。 本研究では,機械学習,特に畳み込みニューラルネットワーク(CNN)を活用して,ドリルコア画像の解析のみからリソロジーとミネラル含量を評価する可能性について検討する。 その結果、ドリルコアセグメントを異なる形成クラスに分類する際、96.7%の精度が明らかとなった。
  論文  参考訳（メタデータ） (2024-03-27T12:15:22Z)
• End-to-End Mineral Exploration with Artificial Intelligence and Ambient Noise Tomography [0.0]
  我々は, 再生可能エネルギーソリューションにおいて, かなりの量の銅を必須元素として重視する。 速度,スケーラビリティ,深度浸透,分解能,環境影響の低さを特徴とするANTの利用のメリットを示す。 我々は、AIが地球物理データ解釈をどのように拡張し、鉱物探査の新しいアプローチを提供するかを示す。
  論文  参考訳（メタデータ） (2024-03-22T10:23:48Z)
• Low-Resource Vision Challenges for Foundation Models [48.256375663051465]
  低リソース問題はコンピュータビジョンでは未発見である。 これらの低リソース設定はすべて、3つの課題を共有している。データ不足、きめ細かい相違、そして、自然画像から特定の関心領域への分散シフトである。
  論文  参考訳（メタデータ） (2024-01-09T18:40:52Z)
• MiNet: A Convolutional Neural Network for Identifying and Categorising Minerals [0.0]
  7種類の鉱物を識別・分類する単一ラベル画像分類モデルを開発した。 実世界のデータセットを用いて行った実験は、このモデルが90.75%の精度を達成したことを示している。
  論文  参考訳（メタデータ） (2021-11-22T15:00:28Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。