GeoMind: 추론 기반 도구 활용을 통한 암석 분류를 위한 에이전트 기반 워크플로우

GeoMind: An Agentic Workflow for Lithology Classification with Reasoned Tool Invocation

시추 로그 데이터 분석에서 암석 분류는 다양한 지질학적 정보를 바탕으로 암석의 종류를 추론하는 기본적인 작업입니다. 최근의 발전에도 불구하고, 기존의 접근 방식은 대부분 정적이고 단일 단계의 판별 모델을 사용합니다. 이러한 정적인 방식은 지질학적 기준에 따른 증거 기반의 추론을 제한하며, 종종 지질학적 현실과 동떨어진 예측 결과를 초래합니다. 본 연구에서는 GeoMind라는 도구 기반 에이전트 프레임워크를 제안합니다. GeoMind는 암석 분류를 순차적인 추론 과정으로 모델링하며, 인지, 추론, 분석 모듈로 구성된 도구 키트를 활용합니다. 각 모듈은 원시 로그 데이터를 의미 있는 패턴으로 변환하고, 다양한 정보원을 바탕으로 암석 분류 가설을 추론하며, 예측 결과를 지층학적 제약 조건에 맞춰 검증합니다. GeoMind는 입력 데이터의 특성에 따라 이러한 모듈을 적응적으로 조정하여 지질학적으로 타당하고 증거에 기반한 의사 결정을 내립니다. GeoMind의 논리적 일관성을 보장하기 위해, 세밀한 과정 감독 전략을 도입했습니다. 기존 방법이 최종 결과에만 집중하는 것과는 달리, 본 연구는 중간 추론 단계를 최적화하여 의사 결정 과정의 유효성을 확보하고 지질학적 제약 조건과의 일관성을 유지합니다. 네 가지 표준 시추 로그 데이터 세트에 대한 실험 결과, GeoMind는 강력한 기준 모델보다 우수한 분류 성능을 보였으며, 투명하고 추적 가능한 의사 결정 과정을 제공했습니다.

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.