From Spectra to Geography: Intelligent Mapping of RRUFF Mineral Data

要約

鉱物サンプルの地理的起源を正確に特定することは、地質学、鉱物学、材料科学への応用にとって極めて重要です。
この研究では、RRUFF データベースの包括的なラマン スペクトル データを活用して、国レベルで鉱物標本の地理位置特定を目的とした新しい機械学習フレームワークを導入しています。
私たちは 1 次元 ConvNeXt1D ニューラル ネットワーク アーキテクチャを採用して、スペクトル シグネチャのみに基づいて鉱物スペクトルを分類します。
処理されたデータセットは、101 か国にわたる、主に天然の 32,900 を超える鉱物サンプルで構成されています。
5 回の相互検証を通じて、ConvNeXt1D モデルは 93% という優れた平均分類精度を達成し、ラマン スペクトルに固有の地理空間パターンの捕捉におけるその有効性を実証しました。

要約(オリジナル)

Accurately determining the geographic origin of mineral samples is pivotal for applications in geology, mineralogy, and material science. Leveraging the comprehensive Raman spectral data from the RRUFF database, this study introduces a novel machine learning framework aimed at geolocating mineral specimens at the country level. We employ a one-dimensional ConvNeXt1D neural network architecture to classify mineral spectra based solely on their spectral signatures. The processed dataset comprises over 32,900 mineral samples, predominantly natural, spanning 101 countries. Through five-fold cross-validation, the ConvNeXt1D model achieved an impressive average classification accuracy of 93%, demonstrating its efficacy in capturing geospatial patterns inherent in Raman spectra.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google