A Lightweight Physics-Informed Spectral Transformer for On-Board Raman Mineral Identification on Mars

该库附带手稿《用于火星机载深紫外拉曼矿物鉴定的轻量物理导向蒙面光谱变换器（MST）》。它既提供了跨域拉曼光谱数据集，也提供了用于训练、验证和评估MST模型及其基线的源代码。代码文件夹包含PyTorch实现的蒙面频谱变换器（MST），以及1D卷积神经网络和标准变换器基线的参考实现。训练、评估和消融脚本重现了手稿中报告的主要定量结果（包括保留的地球-陨石测试集的整体准确率和F1分数，以及Bellegarde和Dourbes的SHERLOC点验证协议）。示例笔记本展示了如何加载数据集、从零训练MST，以及将训练模型应用于新的拉曼光谱，用于矿物预测和特征归因可视化。该数据集汇总了来自多个来源的火星相关矿物的深紫外（DUV）和可见光拉曼光谱，包括实验室标准、地球模拟样品和火星陨石。矿物涵盖主要火成岩和蚀变阶段，如橄榄石、辉石、斜长石、硫酸盐、碳酸盐、磷酸盐、粘土、卤化物和氧化物。本资源旨在支持自动化拉曼矿物分类、火星样本选址选择及未来行星任务的机载边缘计算研究。用户在学术工作中使用该数据集或代码时，请引用相关文章。