从光谱到地理：RRUFF 矿物数据的智能制图
计算机视觉与模式识别
2024-11-19 v1 图像与视频处理
计算物理
摘要
准确确定矿物样本的地理起源对于地质学、矿物学和材料科学中的应用至关重要。本研究利用来自 RRUFF 数据库的全面拉曼光谱数据，引入了一种新颖的机器学习框架，旨在对矿物样本进行国家级别的地理定位。我们采用一维 ConvNeXt1D 神经网络架构，仅根据矿物样本的光谱特征对其进行分类。处理后的数据集包含超过 32,900 个矿物样本（主要为天然矿物），遍布 101 个国家。通过五折交叉验证，ConvNeXt1D 模型实现了 93% 的平均分类准确率，证明了其在捕捉拉曼光谱中固有的地理空间模式方面的有效性。
引用
@article{arxiv.2411.11693,
title = {From Spectra to Geography: Intelligent Mapping of RRUFF Mineral Data},
author = {Francesco Pappone and Federico Califano and Marco Tafani},
journal= {arXiv preprint arXiv:2411.11693},
year = {2024}
}