機械学習による金属トレーサビリティのための微量元素およびREEパターン認識と次元圧縮による類型化

抄録

本研究では、鉱石鉱物と製品材料の微量元素および希土類元素(REE)パターンに対して機械学習による次元圧縮によって、含有量パターンの可視化と類型化を 行い、トレーサビリティ技術の開発を目指す。W, Co, Niを対象に、それぞれの鉱石鉱物と最終製品に含まれる微量元素ならびにREE含有量をLA-ICP-MSにより測定し、さまざまな機械学習による次元圧縮によって、含有量パターンの特徴を抽出した。ScheeliteとWolframiteの2つのタングステン鉱物のREEパターンは類似しており、明瞭な差異を見いだせないが、機械学習による次元圧縮(LASSO-UMAP法)によって、 2つの鉱物のREEパターンは区別される。一方、最終製品の微量元素は、機械学習を用いても優位な差異なくほぼ一定のクラスターを構成する。これは多様な採掘地の多様なREEパターンを示す鉱石鉱物が、最終的にはUMAP上の一定の位置に収斂することを示し、初生鉱石鉱物から最終製品へのUMAP上の軌跡は金属トレーサビリティとして応用できる可能性がある。