論文の概要: MineTRACE: An Evidence-Grounded Interactive Reasoning System for Mineral Prospectivity
- arxiv url: http://arxiv.org/abs/2609.02060v1
- Date: Wed, 02 Sep 2026 03:35:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:18.042123
- Title: MineTRACE: An Evidence-Grounded Interactive Reasoning System for Mineral Prospectivity
- Title（参考訳）: MineTRACE:鉱物探査のためのインタラクティブ推論システム
- Abstract要約: MineTRACEは8つの商品の証拠調査のためのウェブベースのシステムである。
ユーザは、確率マップを探索したり、場所や地域を問い合わせたり、エビデンスを検査したり、自然言語で対話できる。
- 参考スコア（独自算出の注目度）: 13.049326280802577
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mineral exploration requires integrating heterogeneous geochemical, geophysical, and geological evidence, yet existing prospectivity systems often provide only opaque scores or heatmaps. We present MineTRACE, a web-based system for evidence-grounded exploration of eight commodities: Cu, Au, Ni, W, Sn, Co, Ta, and Mn. Users can explore prospectivity maps, query locations or regions, inspect supporting evidence, and interact through natural language. A transparent expert tree, informed by geological knowledge and known deposits, combines multi-source evidence into interpretable prospectivity scores. For a new location, the conversational assistant retrieves the score and supporting evidence from the analysis pipeline and presents them in natural language. The scorer achieves spatial AUC values of up to 0.917 across different test scenarios, while end-to-end evaluation assesses query accuracy and response grounding. MineTRACE makes public geoscience data easier to access, interpret, and verify, supporting more efficient and transparent mineral exploration.
- Abstract（参考訳）: 鉱物探査には異質な地球化学、地球物理学、地質学的な証拠を統合する必要があるが、既存の観測システムでは不透明なスコアや熱マップのみを提供することが多い。
提案するMineTRACEは,Cu,Au,Ni,W,Sn,Co,Ta,Mnの8つの商品を根拠とした探索システムである。
ユーザは、確率マップを探索したり、場所や地域を問い合わせたり、エビデンスを検査したり、自然言語で対話できる。
地質学の知識と既知の堆積物によって知らされる透明な専門家ツリーは、多元的証拠を解釈可能な確率スコアに組み合わせている。
新しい場所では、会話アシスタントは、分析パイプラインからスコアを取得し、エビデンスをサポートし、自然言語で提示する。
スコアラは異なるテストシナリオで最大0.917の空間AUC値を達成し、エンドツーエンド評価はクエリ精度と応答グラウンドを評価する。
MineTRACEは、公共の地球科学データをアクセスし、解釈し、検証し、より効率的で透明な鉱物探査を支援する。
関連論文リスト
- Compass: Navigating Global Marine Lead Data Integration through Expert-Guided LLM Agent [55.77954024801206]
海洋鉛(Pb)とその同位体は海洋循環と人為的汚染にとって重要なトレーサーである。
手動抽出はスケールできないが、汎用大規模言語モデル(LLM)は必要なドメイン固有の知識を欠いている。
我々は,LLMが微調整なしで厳密な科学的データ抽出を行うことのできる専門家誘導型適応手法を提案する。
論文 参考訳（メタデータ） (2026-05-28T14:06:25Z) - GeoChemAD: Benchmarking Unsupervised Geochemical Anomaly Detection for Mineral Exploration [13.303017158769798]
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。
論文 参考訳（メタデータ） (2026-03-13T15:14:57Z) - QueryPlot: Generating Geological Evidence Layers using Natural Language Queries for Mineral Exploration [6.222922823124804]
本稿では,意味検索とマッピングのフレームワークであるQueryPlotを紹介する。
大規模な地質学的テキストコーパスと地質地図データを統合する。
システムは、事前訓練された埋め込みモデルを使用して、クエリとリージョン記述の両方をエンコードする。
意味的類似度スコアをランクに計算し、空間的に領域を視覚化する。
論文 参考訳（メタデータ） (2026-02-19T19:31:37Z) - 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) - DIGMAPPER: A Modular System for Automated Geologic Map Digitization [6.326773326196182]
地質図のデジタル化を自動化するために米国地質調査所(USGS)と共同で開発されたシステムであるDIGMAPPERについて述べる。
DIGMAPPERは、地図レイアウト分析、特徴抽出、ジオレファリングのための最先端のディープラーニングモデルを統合する、完全にDocker化されたワークフローオーケストレーションアーキテクチャを備えている。
DARPA-USGSデータセットからの100以上の注釈付き地図の評価は、ポリゴン、線、点特徴抽出において高い精度を示す。
論文 参考訳（メタデータ） (2025-06-19T03:51:47Z) - SPOT: Bridging Natural Language and Geospatial Search for Investigative Journalists [0.8796261172196742]
SPOTはオープンソースの自然言語インタフェースであり、OSMのリッチでタグベースの地理データを直感的なシーン記述を通じてよりアクセスしやすいものにしている。
モデル出力の幻覚、OSMタグ付けの不整合、ユーザ入力のノイズの性質といった現実的な課題に対処する。
我々の知る限り、SPOTは、このレベルの精度でOSMデータへの信頼できる自然言語アクセスを実現する最初のシステムである。
論文 参考訳（メタデータ） (2025-06-16T07:55:44Z) - OmniGeo: Towards a Multimodal Large Language Models for Geospatial Artificial Intelligence [51.0456395687016]
マルチモーダル大言語モデル(LLM)が人工知能の新しいフロンティアをオープンした。
地理空間応用に適したMLLM(OmniGeo)を提案する。
自然言語理解の長所と空間的推論の長所を組み合わせることで,GeoAIシステムの指示追従能力と精度を高めることができる。
論文 参考訳（メタデータ） (2025-03-20T16:45:48Z) - PEACE: Empowering Geologic Map Holistic Understanding with MLLMs [64.58959634712215]
地質図は地質学の基本的な図として、地球の地下と地表の構造と構成に関する重要な洞察を提供する。
その重要性にもかかわらず、現在のマルチモーダル大言語モデル(MLLM)は地質図の理解に乏しいことが多い。
このギャップを定量化するために、地質地図理解においてMLLMを評価するための最初のベンチマークであるGeoMap-Benchを構築した。
論文 参考訳（メタデータ） (2025-01-10T18:59:42Z) - MapExplorer: New Content Generation from Low-Dimensional Visualizations [60.02149343347818]
低次元の可視化や「投影マップ」は大規模で複雑なデータセットの解釈に広く用いられている。
これらの視覚化は、既存の知識空間を理解するのに役立つだけでなく、未知の領域への探索を暗黙的にガイドする。
プロジェクションマップ内の座標をコヒーレントでコンテキストに整合したテキストコンテンツに変換する新しい知識発見タスクであるMapExplorerを紹介する。
論文 参考訳（メタデータ） (2024-12-24T20:16:13Z) - GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。
オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。
我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
論文 参考訳（メタデータ） (2023-05-11T03:21:56Z)
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。