GeoDecider: 설명 가능한 암석 분류를 위한 거친-세밀 접근 방식의 에이전트 기반 워크플로우

GeoDecider: A Coarse-to-Fine Agentic Workflow for Explainable Lithology Classification

암석 분류는 시추 데이터로부터 지하 암석의 종류를 추론하는 것을 목표로 하며, 저장소 특성 분석과 같은 후속 응용 분야를 지원합니다. 상당한 발전에도 불구하고, 대부분의 기존 방법은 여전히 암석 분류를 단일 단계의 분류 작업으로 처리합니다. 반면, 실제 전문가들은 정확한 분류를 수행하기 위해 지질학적 원리, 외부 지식 및 도구 활용 능력을 통합합니다. 본 연구에서는, 사전 학습된 대규모 언어 모델(LLM)을 활용하여 정확하고 설명 가능한 암석 분류를 가능하게 하는 거친-세밀 접근 방식의 에이전트 기반 워크플로우인 GeoDecider를 제안합니다. GeoDecider는 암석 분류를 전문가와 유사한 구조화된 프로세스로 재구성하고, 거친-세밀 추론을 포함하는 다단계 워크플로우로 구성합니다. 구체적으로, GeoDecider는 다음과 같은 단계를 포함합니다: (1) 사전 학습된 분류기를 활용한 거친 분류, 이는 다운스트림 작업에 대한 초기 지침을 제공하여 전체적인 추론 비용을 줄입니다. (2) 도구 기반 추론, 이는 문맥 분석 및 이웃 검색과 같은 여러 도구를 활용하여 더 미세하고 정확한 분류를 달성합니다. (3) 지질학적 보정, 이는 최종 결과를 후처리하여 지질학적 일관성을 확보합니다. 네 가지 벤치마크 데이터셋에 대한 실험 결과, GeoDecider는 대표적인 기본 모델보다 우수한 성능을 보였습니다. 추가 분석 결과, 제안된 프레임워크는 분류 성능과 추론 효율성 간의 균형을 개선하면서 동시에 지질학적으로 해석 가능한 예측을 제공하는 것으로 나타났습니다.

Lithology classification aims to infer subsurface rock types from well-logging signals, supporting downstream applications like reservoir characterization. Despite substantial progress, most existing methods still treat lithology classification as a single-pass classification task. In contrast, practical experts incorporate geological principles, external knowledge, and tool-use capabilities to perform accurate classification. In this work, we propose GeoDecider, a coarse-to-fine agentic workflow that enables accurate and explainable lithology classification through training-free use of large language models (LLMs). GeoDecider reformulates lithology classification as an expert-like structured process and organizes it into a multi-stage workflow involving coarse-to-fine reasoning. Specifically, GeoDecider includes the following stages: (1) base classifier-guided coarse classification, which uses a pre-trained classifier to provide a rough reference for downstream tasks, thus reducing the overall cost of downstream reasoning, (2) tool-augmented reasoning, which utilizes several tools such as contextual analysis and neighbor retrieval to achieve finer and more precise classifications, (3) geological refinement, which post-processes the final results to enforce geological consistency. Experiments on four benchmarks show that GeoDecider outperforms representative baselines. Further analysis demonstrates that the proposed framework produces geologically interpretable predictions while achieving a better trade-off between classification performance and inference efficiency.