ボアホールデータのためのAIパイプラインのフレームワーク

ボアホール掘削プロジェクトから収集されたデータを分析する研究者は、複雑な画像、物理的測定、専門家によって書かれた報告書を含む、数十テラバイトの地震学、水文学、地質学、岩石力学データに直面することがあります。これらの多様なデータセットは、固体地球プロセスを理解する上で重要な役割を果たします。このようなデータを取り込み分析することは、通常、専門家のチームと大量の時間を必要とする巨大的な課題です。人工知能（AI）と機械学習の活用は、掘削データの量と複雑さに対処するための魅力的なアプローチとして浮上しています。本論文は、オマンドリリングプロジェクトのマルチボアホール観測所からデータを取り込むためのAIベースのパイプラインを示します。この研究は、ボアホールBA1Bから採取されたペリドタイトコアセグメントの変化に焦点を当て、機械学習に基づいてセグメント化されたコア画像、物理的測定、地質学的、岩石学的データ、AIによって要約された専門家のテキスト、特徴選択の統合データセットで訓練されたcatboost分類モデルを利用しています。本論文の中心的な目的は、ボアホールBA1Bの画像で検出された亀裂ネットワークを母岩の変化に接続することを通じて、このような多面的なボアホールデータを処理するための再現可能で効率的なパターンを確立することです。