辰砂中の硫化水銀（HgS）含有量は品質評価の核心指標です。従来の測定法が時間を要し、試料を破壊し、かつ迅速な品質管理の要求を満たしにくい問題に対して、本研究ではX線回折（XRD）と多次元機械学習アルゴリズムを組み合わせ、部分最小二乗回帰（PLSR）、ランダムフォレスト（RF）、粒子群最適化サポートベクター回帰（PSO-SVR）、長短期記憶ネットワーク（LSTM）、及び一次元畳み込みニューラルネットワーク（1D-CNN）の予測モデル体系を構築しました。多様なスペクトル前処理法および特徴選択アルゴリズムを系統的に検討し、シャプリ加法説明（SHAP）フレームワークを導入してモデルの意思決定ロジックを解析しました。結果は、標準正規変数変換（SNV）前処理と競合適応再加重サンプリング（CARS）特徴選択を組み合わせた後、PSO-SVRおよびLSTMモデルの総合的性能が最良であることを示しました。LSTMモデルの校正集合および検証集合決定係数（R²_C、R²_V）はそれぞれ0.9926と0.8794、平均二乗誤差（RMSE_C、RMSE_V）は0.1205と0.4115、残差予測偏差（RPD）は2.8797に達しました。PSO-SVRモデルのR²_Vは0.8650、RMSE_Vは0.4354、RPDは2.7214でした。10バッチの独立外部検証試料においてR²はすべて0.80を超え、モデルの良好な汎化能力と堅牢性を証明しました。SHAP解析により、2θ=24°~35°および50°~60°区間の回折強度がモデル意思決定の主要特徴であり、27.92°、45.59°などモデルが特定した重要な回折角はHgS含有量と有意な正の相関を示し、アルゴリズムの意思決定はHgS結晶回折特性と高度に一致していることが明らかになりました。XRDと知能アルゴリズムの連携により、辰砂中の硫化水銀含有量の非破壊で迅速かつ正確な予測が可能となり、鉱物薬の迅速な品質評価および知能化品質管理システム構築の方法論的支援を提供します。

X線回折;辰砂;硫化水銀;長短期記憶ネットワーク（LSTM）;粒子群最適化サポートベクター回帰（PSO-SVR）;迅速検出