論文の概要: Rejections Based on Predictive Uncertainty Enable Reliable Routine Soil Spectroscopy

• arxiv url: http://arxiv.org/abs/2606.21179v1
• Date: Fri, 19 Jun 2026 07:42:56 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-06-23 11:33:49.782962
• Title: Rejections Based on Predictive Uncertainty Enable Reliable Routine Soil Spectroscopy
• Title（参考訳）: 予測不確かさに基づく土壌分光法
• Authors: Jonas Schmidinger, Robin Gebbers, Marc-Olivier Gasser, Viacheslav Barkov, G. Mick Wu, Viacheslav I. Adamchuk,
• Abstract要約: 本稿では,確率的モデリングと不確実性誘導型リジェクションを組み合わせたAIベースの測定フレームワークであるreject-to-remeasureを紹介する。 拒絶されたサンプルは、その後、従来の実験室の手順で再測定される。 クエベックの地域可視-近赤外分光土壌ライブラリーにおいて、リジェクション・トゥ・リカクションが光学分光の日常的な実験室への統合を促進することを実証した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Soil properties relevant to agricultural and environmental applications are conventionally measured using elaborate laboratory methods involving physical and chemical processing. While highly accurate, these conventional methods are costly and time-consuming. In contrast, optical spectroscopy paired with machine learning enables rapid and cost-effective predictions of multiple soil properties. However, spectroscopic modelling is often considered unreliable, as the predictive accuracy varies between soil properties and individual samples. To balance this trade-off between cost and reliability, we introduce reject-to-remeasure: an AI-based measurement framework that combines probabilistic modelling with uncertainty-guided rejection. In this framework, soil samples are first analysed using spectroscopy, after which predictions are rejected if their predictive uncertainty exceeds predefined quality constraints. Rejected samples are subsequently remeasured using conventional laboratory procedures. On a regional visible-near-infrared spectral soil library from Québec, we demonstrate that reject-to-remeasure with modern foundation models (TabPFNv2.5 and TabICLv2) can facilitate the integration of optical spectroscopy into routine laboratory workflows while meeting user-defined accuracy requirements and reducing measurement costs.
• Abstract（参考訳）: 農業・環境分野の土壌特性は, 従来, 物理・化学処理を含む精巧な実験室法を用いて測定されてきた。 精度は高いが、これらの手法は高価で時間を要する。 対照的に、機械学習と組み合わせた光学分光法は、複数の土壌特性の迅速かつ費用対効果の予測を可能にする。 しかし、土壌特性と個々の試料の予測精度が異なるため、分光モデリングは信頼できないと考えられることが多い。 コストと信頼性のトレードオフのバランスをとるために、確率的モデリングと不確実性誘導の拒絶を組み合わせたAIベースの測定フレームワークであるreject-to-remeasureを導入する。 この枠組みでは、土壌試料をまず分光法を用いて分析し、その後、予測の不確かさが予め定義された品質制約を超えた場合、予測を拒絶する。 拒絶されたサンプルは、その後、従来の実験室の手順で再測定される。 クエベックの地域可視・近赤外分光土壌ライブラリーにおいて、現代の基礎モデル(TabPFNv2.5とTabICLv2)による拒絶対策が、ユーザ定義の精度要件を満たし、測定コストを低減しつつ、光学分光を日常的な実験室のワークフローに統合することを容易にすることを実証した。

関連論文リスト

• The Value of Mechanistic Priors in Sequential Decision Making [41.418304743101174]
  ハイブリッド・メカニスティック・モデル、学習された残差を持つ物理的先行性は、良い決定に必要なデータを減らすことを約束するが、これをテストするための計算可能な基準は存在しない。 両体制とも, 逐次意思決定におけるメカニスティックな先駆的価値を特徴づける。
  論文  参考訳（メタデータ） (2026-05-11T05:43:53Z)
• Score-based diffusion models for diffuse optical tomography with uncertainty quantification [0.8443238959374133]
  本稿では,学習とモデルベースコンポーネントからなる混合スコアを構成することで,スコア関数の過度な適合を防止する新しい正規化手法を提案する。 実験により、データ駆動の事前分布は、古典的モデルに基づく推定と比較して、低分散の後方サンプルをもたらすことが示された。
  論文  参考訳（メタデータ） (2026-02-03T12:14:07Z)
• Improving Minimax Estimation Rates for Contaminated Mixture of Multinomial Logistic Experts via Expert Heterogeneity [49.809923981964715]
  凍結したエキスパートとして機能する事前訓練されたモデルを、新しいタスクを学ぶためにトレーニング可能なエキスパートとして機能するアダプタモデルに統合するトランスファー学習手法によって、汚染された専門家の混合(MoE)が動機付けられる。 本研究は, 地絡パラメータがサンプルサイズによって異なる困難な条件下で, パラメータを推定するための一様収束率を特徴付ける。 また、対応するミニマックス下限を定め、これらのレートがミニマックス最適であることを保証する。
  論文  参考訳（メタデータ） (2026-01-31T23:45:50Z)
• Inductive Domain Transfer In Misspecified Simulation-Based Inference [29.26298096319145]
  キャリブレーションと分散アライメントを1つのエンドツーエンドのトレーニング可能なモデルに統合する,完全な帰納的・償却型SBIフレームワークを提案する。 我々のアプローチは、他の標準SBIおよび非SBI推定器と同様に、RoPEの性能と一致または上回っている。
  論文  参考訳（メタデータ） (2025-08-21T14:06:42Z)
• Uncertainty-Driven Modeling of Microporosity and Permeability in Clastic Reservoirs Using Random Forest [3.4137115855910762]
  本研究の目的は,複雑な貯水池特性を予測するための費用効率のよい機械学習モデルを開発することである。 このモデルは、マイクロポーシティ(93%)と透過性(88%)の予測において高い精度を達成した。
  論文  参考訳（メタデータ） (2025-03-21T09:05:04Z)
• Prediction-Powered Causal Inferences [59.98498488132307]
  予測型因果推論(PPCI)に焦点をあてる まず, 条件付きキャリブレーションにより, 人口レベルでの有効なPPCIが保証されることを示す。 次に、実験間での十分な表現制約伝達の妥当性を導入する。
  論文  参考訳（メタデータ） (2025-02-10T10:52:17Z)
• Addressing Misspecification in Simulation-based Inference through Data-driven Calibration [43.811367860375825]
  本研究は, モデル不特定性を克服するフレームワークであるロPEを導入し, 実世界の小キャリブレーションによる地下構造パラメータの測定を行った。 4つの合成課題と2つの実世界の問題により、RoPEはベースラインを上回り、情報的およびキャリブレーションされた信頼区間を一貫して返却することを示した。
  論文  参考訳（メタデータ） (2024-05-14T16:04:39Z)
• Generative structured normalizing flow Gaussian processes applied to spectroscopic data [4.0773490083614075]
  物理科学では、限られた訓練データは将来の観測データを適切に特徴づけることができない。 特に外挿を依頼される場合、モデルが不確実性を適切に示すことは重要である。 火星探査機キュリオシティに搭載されたChemCam装置のレーザ誘起分解分光データに関する方法論を実証した。
  論文  参考訳（メタデータ） (2022-12-14T23:57:46Z)
• Comparing Spectroscopy Measurements in the Prediction of in Vitro Dissolution Profile using Artificial Neural Networks [0.0]
  溶解試験は、医薬品産業における新製品の承認に欠かせない製品品質の一部である。 分光データに基づく溶解プロファイルの予測は、現在の破壊・時間的手法に代わるものである。 ラマンと近赤外分光法(英: Raman and near-infrared spectroscopies)は、錠剤の物理的および化学的特性に関する情報を提供する2つの高速で相補的な方法である。
  論文  参考訳（メタデータ） (2022-10-19T04:34:04Z)
• Machine Learning and Deep Learning methods for predictive modelling from Raman spectra in bioprocessing [0.0]
  本研究は,機械学習と深層学習を用いた回帰作業の円滑化のためのラマンスペクトルの前処理手法に焦点を当てた。 ほとんどの場合、このロバスト性は予測誤差と予測ロバスト性の観点から従来のラマンモデルより優れていた。
  論文  参考訳（メタデータ） (2020-05-06T16:15:08Z)

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。