Sigsbee

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

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。