論文の概要: GeoMind: An Agentic Workflow for Lithology Classification with Reasoned Tool Invocation

• arxiv url: http://arxiv.org/abs/2604.21501v1
• Date: Thu, 23 Apr 2026 10:02:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-24 14:40:06.431899
• Title: GeoMind: An Agentic Workflow for Lithology Classification with Reasoned Tool Invocation
• Title（参考訳）: GeoMind: 推論ツール呼び出しによるライブラリ分類のためのエージェントワークフロー
• Authors: Yitong Zhou, Mingyue Cheng, Jiahao Wang, Qingyang Mao, Qi Liu,
• Abstract要約: ウェルログにおけるリソロジー分類は、地学データマイニングの基本的な課題である。 既存のアプローチは、通常、問題を静的な単段階判別写像として定式化する。 シーケンシャル推論プロセスとしてリソロジー分類をモデル化するツール拡張エージェントフレームワークであるGeoMindを提案する。
• 参考スコア（独自算出の注目度）: 18.369627120655608
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lithology classification in well logs is a fundamental geoscience data mining task that aims to infer rock types from multi dimensional geophysical sequences. Despite recent progress, existing approaches typically formulate the problem as a static, single-step discriminative mapping. This static paradigm limits evidence-based diagnostic reasoning against geological standards, often yielding predictions that are detached from geological reality due to a lack of domain priors. In this work, we propose GeoMind, a tool-augmented agentic framework that models lithology classification as a sequential reasoning process. GeoMind organizes its toolkit into perception, reasoning, and analysis modules, which respectively translate raw logs into semantic trends, infer lithology hypotheses from multi-source evidence, and verify predictions against stratigraphic constraints. A global planner adaptively coordinates these modules based on input characteristics, enabling geologically plausible and evidence-grounded decisions. To guarantee the logical consistency of GeoMind, we introduce a fine-grained process supervision strategy. Unlike standard methods that focus solely on final outcomes, our approach optimizes intermediate reasoning steps, ensuring the validity of decision trajectories and alignment to geological constraints. Experiments on four benchmark well-log datasets demonstrate that GeoMind consistently outperforms strong baselines in classification performance while providing transparent and traceable decision-making processes.
• Abstract（参考訳）: 多次元地球物理シークエンスから岩石のタイプを推定することを目的とした基礎的な地球科学データマイニングタスクである。 最近の進歩にもかかわらず、既存のアプローチは一般に静的な1ステップの識別的マッピングとして問題を定式化している。 この静的パラダイムは、地質学的基準に対するエビデンスに基づく診断推論を制限し、しばしば領域の先行性の欠如により地質学的現実から切り離された予測をもたらす。 本研究では,リソロジー分類を逐次的推論プロセスとしてモデル化するツール拡張型エージェントフレームワークであるGeoMindを提案する。 GeoMindはそのツールキットを知覚、推論、分析モジュールにまとめ、生ログを意味的傾向に翻訳し、多元的証拠からリソロジー仮説を推測し、層序的制約に対する予測を検証する。 グローバルプランナーは、これらのモジュールを入力特性に基づいて適応的に調整し、地質学的に妥当で根拠に基づく決定を可能にする。 GeoMindの論理的整合性を保証するため,我々は細粒度プロセス監視戦略を導入する。 最終結果のみに焦点をあてる標準的な手法とは異なり、我々の手法は中間的推論手順を最適化し、決定軌道の妥当性と地質学的制約への整合性を確保する。 4つのベンチマークのウェルログデータセットの実験では、GeoMindは、透過的でトレーサブルな意思決定プロセスを提供しながら、分類性能の強いベースラインを一貫して上回っている。

関連論文リスト

• GIAT: A Geologically-Informed Attention Transformer for Lithology Identification [6.315199366662337]
  Geologically-Informed Attention Transformer (GIAT) は、データ駆動型地質学的先行をTransformerの注意機構と融合させる新しいフレームワークである。 GIATは95.4%の精度で最先端のパフォーマンスを達成し、既存のモデルよりも大幅に優れている。
  論文  参考訳（メタデータ） (2026-03-10T04:02:57Z)
• 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)
• Spatial-Agent: Agentic Geo-spatial Reasoning with Scientific Core Concepts [14.270067452643621]
  地理空間的推論は、都市分析、交通計画、災害対応といった現実世界の応用に不可欠である。 本稿では,空間情報科学の基礎理論に基づくAIエージェントであるSpatial-Agentを紹介する。
  論文  参考訳（メタデータ） (2026-01-23T18:33:45Z)
• 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)
• TopInG: Topologically Interpretable Graph Learning via Persistent Rationale Filtration [10.830399323047265]
  TopInG: Topologically Interpretable Graph Learning を提案する。 TopInGは、有理グラフの自動回帰生成過程をモデル化するために、有理フィルタ学習アプローチを採用している。 本手法は,予測精度と解釈品質の両面において最先端の手法を改良する。
  論文  参考訳（メタデータ） (2025-10-06T17:59:44Z)
• Topological Social Choice: Designing a Noise-Robust Polar Distance for Persistence Diagrams [0.0]
  トポロジカルデータ分析(TDA)は、ノイズの多いデータから堅牢で解釈可能な特徴を抽出する強力なフレームワークとして登場した。 この研究は、ノイズの多い嗜好データに適した永続化ダイアグラムのための新しいメートル法を提案することによって、これらの領域間の新しい概念ブリッジを導入する。 我々は、位相的特徴の大きさと向きを滑らかで微分可能な方法で捉える極座標に基づく距離を定義する。
  論文  参考訳（メタデータ） (2025-07-18T19:41:19Z)
• History Matching under Uncertainty of Geological Scenarios with Implicit Geological Realism Control with Generative Deep Learning and Graph Convolutions [0.10923877073891446]
  グラフベースの変分オートエンコーダは、異なる地質学的シナリオの不確実性を扱うことができるアーキテクチャを表す。 我々はPCA, t-SNE, TDAなどのツールを用いて, 潜伏空間の詳細な解析を行い, その構造を説明する。
  論文  参考訳（メタデータ） (2025-07-14T12:14:17Z)
• Topograph: An efficient Graph-Based Framework for Strictly Topology Preserving Image Segmentation [78.54656076915565]
  位相的正しさは多くの画像分割タスクにおいて重要な役割を果たす。 ほとんどのネットワークは、Diceのようなピクセル単位の損失関数を使って、トポロジカルな精度を無視して訓練されている。 トポロジ的に正確な画像セグメンテーションのための新しいグラフベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-11-05T16:20:14Z)
• Edge Classification on Graphs: New Directions in Topological Imbalance [53.42066415249078]
  異なるクラスにまたがるエッジの歪んだ分布から生じる新しいトポロジカル不均衡問題」を同定する。 本稿では,各エッジのトポロジ的不均衡を測定する新しいトポロジ的指標であるトポロジカルエントロピー(TE)を紹介する。 TEをベースとした(合成)エッジのトレーニングに重点を置くため、トポロジカルリウェイトリングとTEウェッジベースのMixupという2つの戦略を開発した。
  論文  参考訳（メタデータ） (2024-06-17T16:02:36Z)

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。