GeoMind: 論理推論に基づくツールの呼出を伴う層位分類のエージェント型ワークフロー

arXiv:2604.21501v1 Announce Type: new\n摘要：井戸層記（well logs）における層位分類は、マルチディメンショナルな地球物理学シーケンスから岩石タイプを推論する、基礎となる地球科学データマイニングタスクです。最近の進歩にもかかわらず、既存のアプローチは典型的に、問題の静的な一段階的な判别的マッピングとして定式化されています。この静的パラダイムは、地質学的基準に対する証拠に基づく診断推論を制限し、ドメイン事前知識の欠如により地質学的現実から乖離した予測を生成することさえあります。本研究では、GeoMind というツール拡張エージェント型フレームワークを提案し、層位分類を一連の推論プロセスとしてモデル化します。GeoMind は、ツールセットを感知、推論、解析のモジュールに整理し、それぞれが元データをセマンティックなトレンドに翻訳、マルチソースの証拠から層位仮説を推論、そして地層学的制約に対して予測を検証することを担います。グローバルプランナーは入力特性に基づきこれらのモジュールを適応的に調整し、地質学的妥当性と証拠に基づく決定を可能にします。GeoMind の論理的整合性を保証するために、我々は細粒度のプロセス監視戦略を導入しました。標準的な手法が最終結果にのみ焦点を当てるのと異なり、私たちのアプローチは中間の推論ステップを最適化し、決定軌道の変性と地質学的制約への整合性を保証します。4 つのベンチマーク井戸層記データセットにおける実験が、GeoMind の分類性能が強固な基準を常に上回る透明性があり追跡可能な意思決定プロセスを提供することを示しています。

arXiv:2604.21501v1 Announce Type: new Abstract: Lithology classification in well logs is a fundamental geoscience data mining task that aims to infer rock types from multi dimensional geophysical sequences. Despite recent progress, existing approaches typically formulate the problem as a static, single-step discriminative mapping. This static paradigm limits evidence-based diagnostic reasoning against geological standards, often yielding predictions that are detached from geological reality due to a lack of domain priors. In this work, we propose GeoMind, a tool-augmented agentic framework that models lithology classification as a sequential reasoning process. GeoMind organizes its toolkit into perception, reasoning, and analysis modules, which respectively translate raw logs into semantic trends, infer lithology hypotheses from multi-source evidence, and verify predictions against stratigraphic constraints. A global planner adaptively coordinates these modules based on input characteristics, enabling geologically plausible and evidence-grounded decisions. To guarantee the logical consistency of GeoMind, we introduce a fine-grained process supervision strategy. Unlike standard methods that focus solely on final outcomes, our approach optimizes intermediate reasoning steps, ensuring the validity of decision trajectories and alignment to geological constraints. Experiments on four benchmark well-log datasets demonstrate that GeoMind consistently outperforms strong baselines in classification performance while providing transparent and traceable decision-making processes.