本研究では、潜在空間埋め込みに基づいた自己教師あり機械学習（SSML）フレームワークを提案し、マルチフィデリティ学習と拡張予測土壌分光法を実現します。大規模なMIRスペクトルライブラリと変分オートエンコーダーアルゴリズムを用いて、圧縮された潜在空間を得るための自己教師あり表現が事前訓練され、ラベルのないスペクトルデータを活用しました。このプロセスにより、現行のNIRライブラリでは表現が不十分な土壌特性の予測が可能な大規模なMIRデータセットを活用できます。また、NIRスキャナを用いた光源変換タスクを通じて、NIRとMIRスペクトル間のマッピングを学習しました。最終的に、元のスペクトル、予測スペクトル、潜在空間埋め込みの間での学習モデルを訓練し、土壌特性の予測精度は基準モデルと比較して同等かそれ以上であることが確認されました。