最小体積非負行列因子分解（min-vol NMF）は、ハイパースペクトルイメージング、化学反応速度論、スペクトロスコピー、トピックモデリング、音声分離など多くの応用で成功を収めています。しかし、ノイズに対するロバスト性は長年の課題でした。本稿では、min-vol NMFがノイズの存在下でも真の因子を特定することを証明します。この条件は「拡張十分に散らばった条件」と呼ばれ、基底ベクトルによって生成される潜在シンプレックス内でデータポイントが十分に散らばっている必要があります。これにより、ノイズ環境下でも高い性能を維持できることが示されました。