Fugu-MT 論文翻訳(概要): GeoChemAD: Benchmarking Unsupervised Geochemical Anomaly Detection for Mineral Exploration

論文の概要: GeoChemAD: Benchmarking Unsupervised Geochemical Anomaly Detection for Mineral Exploration

arxiv url: http://arxiv.org/abs/2603.13068v1
Date: Fri, 13 Mar 2026 15:14:57 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-16 17:38:12.151013
Title: GeoChemAD: Benchmarking Unsupervised Geochemical Anomaly Detection for Mineral Exploration
Title（参考訳）: GeoChemAD:鉱物探査のための教師なし地球化学異常検出のベンチマーク
Authors: Yihao Ding, Yiran Zhang, Chris Gonzalez, Eun-Jung Holden, Wei Liu,
Abstract要約: textbfGeoChemADは、政府主導の地質調査からコンパイルされたオープンソースのベンチマークデータセットである。 textbfGeoChemFormerはトランスフォーマーベースのフレームワークで、空間サンプルのターゲット要素を意識した地球化学的表現を学習する。
参考スコア（独自算出の注目度）: 13.303017158769798
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Geochemical anomaly detection plays a critical role in mineral exploration as deviations from regional geochemical baselines may indicate mineralization. Existing studies suffer from two key limitations: (1) single region scenarios which limit model generalizability; (2) proprietary datasets, which makes result reproduction unattainable. In this work, we introduce \textbf{GeoChemAD}, an open-source benchmark dataset compiled from government-led geological surveys, covering multiple regions, sampling sources, and target elements. The dataset comprises eight subsets representing diverse spatial scales and sampling conditions. To establish strong baselines, we reproduce and benchmark a range of unsupervised anomaly detection methods, including statistical models, generative and transformer-based approaches. Furthermore, we propose \textbf{GeoChemFormer}, a transformer-based framework that leverages self-supervised pretraining to learn target-element-aware geochemical representations for spatial samples. Extensive experiments demonstrate that GeoChemFormer consistently achieves superior and robust performance across all eight subsets, outperforming existing unsupervised methods in both anomaly detection accuracy and generalization capability. The proposed dataset and framework provide a foundation for reproducible research and future development in this direction.
Abstract（参考訳）: 地化学異常検出は鉱物探査において重要な役割を担っている。既存の研究は、(1)モデル一般化可能性を制限する単一領域シナリオ、(2)プロプライエタリなデータセット、そして結果の再現が不可能な2つの重要な制限に悩まされている。本研究では,政府主導の地質調査から収集したオープンソースのベンチマークデータセットである \textbf{GeoChemAD} を紹介する。データセットは、多様な空間スケールとサンプリング条件を表す8つのサブセットから構成される。強いベースラインを確立するため,統計モデルや生成手法,トランスフォーマーに基づくアプローチなど,教師なしの異常検出手法を再現し,ベンチマークする。さらに、自己教師付き事前学習を利用して、空間サンプルのターゲット要素を考慮した地球化学的表現を学習するトランスフォーマーベースのフレームワークである「textbf{GeoChemFormer}」を提案する。大規模な実験により、GeoChemFormerは8つのサブセットすべてに対して、常に優れたロバストなパフォーマンスを達成し、異常検出精度と一般化能力の両方において、既存の教師なし手法よりも優れていたことが示されている。提案するデータセットとフレームワークは、再現可能な研究の基礎と、この方向への今後の発展を提供する。

関連論文リスト

GeoAgent: Learning to Geolocate Everywhere with Reinforced Geographic Characteristics [91.17301794848025]
本稿では,人間と密に推論し,詳細なアドレス結論を導出できるGeoAgentについて述べる。従来のRLベースの手法は、パフォーマンスと解釈可能性においてブレークスルーを達成したが、AI生成のチェーン・オブ・プリート(CoT)データとトレーニング戦略に依存しているため、依然として懸念が残っている。
論文参考訳（メタデータ） (2026-02-13T04:48:05Z)
GEO-Bench-2: From Performance to Capability, Rethinking Evaluation in Geospatial AI [52.13138825802668]
GeoFMは地球観測を変革しているが、評価には標準化されたプロトコルが欠けている。 GEO-Bench-2は、分類、セグメンテーション、回帰、オブジェクト検出、インスタンスセグメンテーションにまたがる包括的なフレームワークでこの問題に対処する。 GEO-Bench-2のコード、データ、およびリーダーボードは、パーミッシブライセンスの下で公開されている。
論文参考訳（メタデータ） (2025-11-19T17:45:02Z)
Isolation-based Spherical Ensemble Representations for Anomaly Detection [60.989157958972356]
不正検出、ネットワークセキュリティ、ログ監視を対象とするアプリケーションによるデータマイニングと管理において、異常検出は重要なタスクである。既存の教師なし異常検出手法は、分散仮定の矛盾、計算の非効率性、異なる異常型を扱う難しさなど、基本的な課題に直面している。 Isolation-based Spherical Ensemble Representations (ISER) は, 局所密度特性のプロキシとしてハイパースフィアラジイを用いて, 線形時間と定数空間の複雑さを保ちながら, 既存の分離法を拡張したものである。
論文参考訳（メタデータ） (2025-10-15T09:00:05Z)
Performance and Generalizability Impacts of Incorporating Location Encoders into Deep Learning for Dynamic PM2.5 Estimation [0.39762912548964846]
動的・空間的不均一な応用のための深層学習における位置情報の効果について検討する。日表面PM2.5を衛星観測と地上観測により推定した。以上の結果から,空間一般化の支援により,原座標は領域内の性能を向上させることができるが,領域間の一般化性は低下することが示された。
論文参考訳（メタデータ） (2025-05-24T02:00:34Z)
Geolocation with Real Human Gameplay Data: A Large-Scale Dataset and Human-Like Reasoning Framework [59.42946541163632]
3つの重要なコンポーネントを持つ包括的位置決めフレームワークを導入する。大規模データセットGeoComp、新しい推論手法GeoCoT、評価指標GeoEval。また,GeoCoTは解釈可能性を高めつつ,位置情報の精度を最大25%向上させることを示した。
論文参考訳（メタデータ） (2025-02-19T14:21:25Z)
Out-of-Distribution Detection on Graphs: A Survey [58.47395497985277]
グラフアウト・オブ・ディストリビューション(GOOD)検出は、トレーニング中に見られる分布から逸脱するグラフデータを特定することに焦点を当てる。既存の手法を,拡張ベース,再構築ベース,情報伝達ベース,分類ベースという4つのタイプに分類する。本稿では,グラフデータによるユニークな課題を浮き彫りにして,実践的応用と理論的基礎について論じる。
論文参考訳（メタデータ） (2025-02-12T04:07:12Z)
Dual Random Fields and their Application to Mineral Potential Mapping [0.0]
本稿では、応答関数自体を局所変数と見なす二重ランダム場(dRF)の概念を紹介する。地理的領域にまたがる異なる確立された応答モデルは、dRF実現の観測と見なすことができる。 DRFが古典的確率場から全ての特性を継承し、標準ガウスシミュレーション手法を用いてそれらをシミュレートする方法について説明する。
論文参考訳（メタデータ） (2024-12-10T13:16:37Z)
SeMAnD: Self-Supervised Anomaly Detection in Multimodal Geospatial Datasets [0.0]
SeMAnDは現実世界の欠陥を検出し、ドメインに依存しない異常検出戦略を4.8-19.7%上回る。モデル性能は,入力モダリティの増大に伴い20.4%,トレーニングデータの増大に伴い22.9%に向上した。
論文参考訳（メタデータ） (2023-09-26T20:18:31Z)
Generalization with Reverse-Calibration of Well and Seismic Data Using Machine Learning Methods for Complex Reservoirs Predicting During Early-Stage Geological Exploration Oil Field [0.0]
本研究の目的は, 研究領域に広がる炭化水素貯水池の確率を予測するための自律的アプローチを開発し, 適用することである。この手法は二項分類の問題に機械学習アルゴリズムを用いる。地震波の属性は予測器として使用される。
論文参考訳（メタデータ） (2023-04-06T13:09:33Z)
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)
On clustering uncertain and structured data with Wasserstein barycenters and a geodesic criterion for the number of clusters [0.0]
この研究は、ワッサーシュタインのバリセンターの概念を考察し、クラスタリングタスクが実行されるワッサーシュタイン空間の内在幾何学に基づく適切なクラスタリング指標を伴って考える。このようなクラスタリング手法は、観測/実験誤差が重要である多くの分野において高く評価されている。この観点から、各観測は適切な確率尺度によって識別され、提案したクラスタリングスキームは識別基準に依存する。
論文参考訳（メタデータ） (2019-12-26T08:46:00Z)

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。