岩芯不必先贴岩性标签：六项常规测井已含岩性，权重加到千倍只让重建从0.999掉到0.836
核心概要
海洋钻探岩芯不再需要地质学家写下的岩石名称来当训练目标。过去把船测岩性当作模型应当复现的正确答案，可每根岩芯上常规记录的六项测量——密度、磁化率、天然伽马辐射和三通道反射率——正是地质学家判名时所读的性质。一个不带标签、只在 LILY 数据库 296 个钻孔的 236,963 条观测上训练的掩码变分自编码器，对岩性的区分与用标签训练的版本相当（调整兰德指数 0.237 对 0.247），把标签权重提高到千倍只让重建从 0.999 掉到 0.836，分类几乎不变。
深度剖析
船测岩性标签对这类岩芯的学习是冗余的：只用六项常规测井训练出来的嵌入，对岩性的聚类和分类与把地质学家标签一并纳入训练的版本相当。 此前的默认做法是把地质学家按颜色、粒度、结构和胶结程度判定的岩性当作模型要复现的正确答案，下游分析从复现这个标签开始，而不是从测量本身开始。 在同样 30 组按钻孔划分的折上，无标签模型的调整兰德指数为 0.237（[0.204, 0.283]），半监督版本为 0.247（[0.214, 0.290]），两者的逐折符号秩检验分辨不出差异；把标签权重从零提到 1000，重建由 0.999 单调降到 0.836，分类则始终落在 0.961 到 0.968 之间。
模型不学岩石的名字，只学六项读数彼此之间的约束，把每个 20 厘米区间的六项测量压成一个十维向量。 它是一对网络构成的变分自编码器：编码器把样本压成向量，解码器从这个向量重建原始测量；训练时随机遮住 10% 的输入并用可学习参数而非零去填补，迫使模型从其余测量推断被遮住的那一项，解码器还为每个变量单独学一个噪声尺度，避免磁化率这种跨越数千仪器单位的变量主导潜空间。 训练集取 LILY 数据库中六项性质同时落在同一个 20 厘米区间的部分，即 296 个钻孔、236,963 条观测、139 个岩性类；在十维嵌入上做聚类得到 0.237 的调整兰德指数，高于同样六项输入上的主成分（0.203），也高于两个表格自监督基线 TabNet（0.183）与 SCARF（0.167）。
启示与展望
结论建立在软沉积物上：六项测量同时存在的 20 厘米区间只有 236,963 条，相对于 LILY 数据库中 3400 万条测量只占很小一部分，岩芯也以完整软沉积物为主，破碎低取芯率的火成岩与基底岩石基本被排除。评估按钻孔整折切分，30 折各留出 10% 钻孔、每折重新训练，报告的是折间中位数与四分位距，读者是处理稀疏、多仪器、沿深度强自相关的钻孔测井表格数据的人。可迁移的性质限于文献里已有物理耦合的那些：在未参与训练的钻孔上，嵌入对孔隙度给到 0.53、全芯磁化 0.52，而六项输入没有已知耦合的十字板剪切强度从 0.93 掉到 0.01。作者提出的下一步是补覆盖而不是换模型——这些测量便宜且无损，可以重扫 IODP 库房里的存档岩芯，并把 LILY 之外的 IODP 数据一并纳入。
按钻孔留出的做法本身可能压低分数，作者用折间岩性重叠与能量距离检验了这一点：重叠中位数 0.432、范围 0.345 到 0.518，外推到训练与留出完全同分布的情形落在数据覆盖范围之外，因此只能排除较大的悲观偏差，小幅偏差未能排除。标签权重扫描中，单个权重无法由统计检验单独判定，跨 13 个权重的趋势承担了结论。至于在海洋沉积物上训练出的嵌入能否迁移到陆上或勘探岩芯，尚未检验；作者预期耦合关系本身可以迁移，覆盖的范围不行，因为胶结与成岩之后孔隙度、声速与热导率之间的关系会改变。