研究人员开发了 LithoFormer，一个用于地质测井数据中地层推断的新型框架。该系统利用一个 Seq2Seq Transformer 模型，特别是带有旋转位置嵌入的 PatchTST 主干，一次性分析完整的多元测井数据。LithoFormer 旨在通过捕捉长距离地质依赖关系并预测地质分带和边界概率，来改进地下储层表征，应用于碳捕获与封存等领域。与传统方法相比，该框架在边界误差方面显示出显著降低，消除了地层顺序违规，同时减少了专家劳动。 AI
影响 该框架可以显著提高关键能源和资源项目地下地质建模的准确性和效率。
排序理由 该集群包含一篇详细介绍特定科学任务新模型和框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- LithoFormer
- PatchTST
- rotary positional embeddings (RoPE)
- Seq2Seq transformer model
- Shwetha Salimath Ms
- Transformers
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
