PulseAugur
中
实时 23:37:48
English(EN) Improving Full Waveform Inversion in Large Model Era

基于合成数据训练的大型人工智能模型在地震反演中达到SOTA

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员通过利用一个在模拟数据上训练的、拥有十亿参数的大型模型，开发了一种新颖的全波形反演（FWI）方法。该方法解决了数据驱动FWI中常见的过拟合问题，即有限的数据集通常会阻碍其对真实地质结构的泛化能力。所提出的策略涉及模型容量、数据多样性和训练技术之间的协同扩展，使模型能够在OpenFWI等基准测试中取得最先进的性能，并显著提高泛化能力。 AI

影响 证明了在合成数据上训练的大型模型可以泛化到复杂的现实世界问题，有可能推动人工智能在地球物理学中的应用。

排序理由 详细介绍使用大型人工智能模型进行地震反演新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

基于合成数据训练的大型人工智能模型在地震反演中达到SOTA

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Yinan Feng, Peng Jin, Yuzhe Guo, Yinpeng Chen, Youzuo Lin ·

    Improving Full Waveform Inversion in Large Model Era

    arXiv:2603.00377v2 Announce Type: replace Abstract: Full Waveform Inversion (FWI) is a highly nonlinear and ill-posed problem that aims to recover subsurface velocity maps from surface-recorded seismic waveforms data. Existing data-driven FWI typically uses small models, as avail…

相关话题