Mar, 2020

一种基于自动微分的地震反演通用方法

PDF
TL;DR本研究提出了基于反向模式自动微分的地震反演算法框架，该框架可以通过深度学习框架支持高性能反向模式自动微分，可应用于包括速度模型估计、震源成像、地震定位和震源函数重构等广泛的反演建模应用。
发现论文，激发创造
  • 随机自动微分

    提出了随机自动微分 (RAD) 的一般框架和方法，可实现减少内存的无偏梯度估计，特别适用于小批量的反向传播神经网络，同时适用于科学计算中的优化控制参数

    Jul, 2020

  • 地震反演的基于坐标的学习方法：IntraSeismic

    介绍了 IntraSeismic，一种新颖的混合地震反演方法，具有 2D 和 3D 后处理地震反演中无与伦比的性能、快速收敛速率、无缝包含硬约束条件（即井数据）和执行不确定性量化的能力，同时还具备数据压缩和对反演模型部分的快速随机访问的潜力。通过合成和现场数据的应用验证了该方法的有效性。

    Dec, 2023

  • 基于时间的深度反演模型比较及神经伴随方法

    本研究考虑如何解决一类通用的逆问题，通过使用深度学习等多种方法，通过随机快速生成搜索算法的方式，寻找可能的逆解空间，并通过一个新方法来得到最佳逆解。

    Sep, 2020

  • 基于深度生成先验的随机全波形反演用于不确定性量化

    利用深度生成模型作为地震学参数的先验分布，结合变分贝叶斯推理方法，解决全波形反演中的非线性和非唯一的逆问题，为地下结构提供了考虑内在不确定性的洞察。

    Jun, 2024

  • 可控的地震速度合成使用生成扩散模型

    使用条件生成扩散模型为地震速度综合提供灵活性，同时提高准确性和可靠性，以解决目标分布涵盖的统计或神经网络方法不足的问题。

    Feb, 2024

  • 成像反问题的模型适应

    探究如何在不知道正向模型改变详情的情况下，使用简单的模型适应方法，使得深度神经网络在计算成像的各种逆问题中，包括去模糊、超分辨率和磁共振成像中的欠采样图像重建方面，取得实证成功。

    Nov, 2020

  • 基于自动微分的耦合时序全波形反演方法研究及其在地下流问题中的应用

    本研究提出并应用了一种新颖的框架，通过结合全波形反演、地下流动过程和岩石物理模型来估计岩石渗透率和孔隙度等地下性质，其使用计算效率和编程效率的最佳平衡，并能够同时模拟岩石物理模型的参数，以预测储层的性能并优化储层管理。

    Dec, 2019

  • 自动微分的简单本质

    本文提出了一种由简单、自然的规范计算出的通用 AD 算法，通过使用 AD - 不可知编译器插件，这些算法可以直接从现有的编程语言中使用，无需新的数据类型或编程风格，并且不涉及任何图表、磁带、变量、偏导数或突变，从而更易于理解、改进和并行执行。

    Apr, 2018

  • 学习多物理量反演的可微编程与机器学习

    本文介绍了 SLIM 开源软件框架，该框架可用于计算地球物理学和反演问题，包括波动方程（如地震和医疗超声），具有学习先验的正则化和学习神经替代物用于多相流模拟。通过集成多个抽象层，我们的软件既可读性强又可扩展，从而使研究人员可以轻松地以抽象的方式构建问题并利用高性能计算的最新发展。我们通过构建一个可扩展的原型演示了设计原则及其益处，用于从时间序列交叉井地震数据中反演渗透率，其除了耦合波物理和多相流外还涉及机器学习。

    Apr, 2023

  • 图像反问题的深度平衡结构

    这篇文章提出了一种基于 Deep Equilibrium Models 的方案，通过无限循环的迭代，不断提高图像逆问题的重建精度，同时在测试时可以根据不同场景的需求选择不同的计算预算以优化精度和计算的权衡。

    Feb, 2021