GeoChemAD：鉱物探査の地球化学異常検知を、公開ベンチマークとTransformerでやり直す

TL;DR（結論）

• 鉱物探査の地球化学異常検知は重要ですが、既存研究は単一地域・単一元素・非公開データに偏り、手法の一般化性能や再現性を本当に比べにくい状況でした。
• GeoChemAD は、複数地域・複数サンプリング媒体・複数ターゲット元素を含む8サブセットの公開ベンチマークで、GeoChemFormer は空間文脈と元素依存を自己教師ありで学ぶ Transformer 型手法です。
• ベンチマーク全体では GeoChemFormer が平均AUC 0.7712で最良となり、既存の統計・機械学習・生成モデル系を上回りつつ、異なる地質条件でも安定した性能を示しました。

なぜこの問題か

鉱物探査では、地域ごとの地球化学的な背景値からどれだけ外れているかが、鉱化作用の手がかりになります。だからこそ geochemical anomaly detection は探査の初動として重要です。しかし実務では、異常値そのものが少なく、ラベル付きデータも十分には集まりません。対象元素も金だけではなく、銅、ニッケル、タングステンなど多様で、地質環境やサンプリング媒体によって濃度分布の形も大きく変わります。教師ありで一律に片付けるのが難しいため、教師なし異常検知が注目されてきました。

核心：何を提案したのか

提案は二層あります。第一は GeoChemAD という公開ベンチマークの整備です。西オーストラリア州の政府地質調査データをもとに、複数地域、複数サンプリング媒体、複数ターゲット元素を含む8サブセットを作り、入力となる地球化学サンプルCSVと、既知鉱化サイトCSVを揃えています。これにより、教師なし異常検知法を同じ条件で比較できる基盤が初めて与えられます。

続きはログイン/プランで閲覧できます。