Insights into Lunar Mineralogy: An Unsupervised Approach for Clustering of the Moon Mineral Mapper (M3) spectral data

要約

この論文では、月鉱物マッパー (M3) イメージング分光計からのハイパースペクトル データの機械学習ベースのクラスタリングを使用して、月のスペクトル特徴をマッピングする新しい方法を紹介します。
この方法では、畳み込み変分オートエンコーダを使用してスペクトル データの次元を削減し、スペクトルの特徴を抽出します。
次に、k 平均法アルゴリズムを適用して、潜在変数を、月の表面の鉱物組成に関連する主要なスペクトル特徴に対応する 5 つの異なるグループにクラスター化します。
結果として得られる全球スペクトル クラスター マップは、月の 5 つのクラスターの分布を示しています。これらのクラスターは、とりわけ、月の表面全体にわたる斜長石、輝石、カンラン石、鉄含有鉱物の混合物で構成されています。
クラスターはかぐやミッションの鉱物地図と比較され、クラスターの位置が斜長石、単斜輝石、かんらん石などの高重量％の鉱物の位置と重複していることが示されました。
この論文は、月の鉱物探査における偏りのない教師なし学習の有用性を実証し、月の鉱物学の包括的な分析を提供します。

要約(オリジナル)

This paper presents a novel method for mapping spectral features of the Moon using machine learning-based clustering of hyperspectral data from the Moon Mineral Mapper (M3) imaging spectrometer. The method uses a convolutional variational autoencoder to reduce the dimensionality of the spectral data and extract features of the spectra. Then, a k-means algorithm is applied to cluster the latent variables into five distinct groups, corresponding to dominant spectral features, which are related to the mineral composition of the Moon’s surface. The resulting global spectral cluster map shows the distribution of the five clusters on the Moon, which consist of a mixture of, among others, plagioclase, pyroxene, olivine, and Fe-bearing minerals across the Moon’s surface. The clusters are compared to the mineral maps from the Kaguya mission, which showed that the locations of the clusters overlap with the locations of high wt% of minerals such as plagioclase, clinopyroxene, and olivine. The paper demonstrates the usefulness of unbiased unsupervised learning for lunar mineral exploration and provides a comprehensive analysis of lunar mineralogy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google