Учёные создали ИИ для анализа сейсмических волн в десять раз быстрее

Учёные МФТИ разработали новый алгоритм, который способен быстро преобразовывать сейсмические волны в детализированные карты подземных структур с помощью всего нескольких математических операций. Это существенно ускорит поиски полезных ископаемых, создание карт для изучения Земли и оценку сейсмических рисков при строительстве. Результаты работы опубликованы в архиве научных статей arxiv.org, а код доступен для исследователей на платформе GitHub.

Чтобы исследовать недра Земли, учёные применяют методы, аналогичные эхолокации, отправляя упругие колебания на глубину в десятки километров. Анализируя, как эти колебания отражаются от различных горных пород, они создают карты расположения структур под землёй.

Для восстановления чёткой картинки недр используются диффузионные модели, которые требуют многих вызовов нейросети.

Метод cI2SB (conditional Image-to-Image Schrödinger Bridge) позволяет значительно сократить это время. Он основывается на уравнении диффузии и решает задачу «Моста Шрёдингера», адаптированную для работы с картами скоростей.

В отличие от традиционных моделей, система строит «мост» между двумя известными состояниями: размытым модельным представлением и детализированной картой. Это уменьшает количество необходимых вычислений до 50-100 вызовов при сопоставимом качестве, что ускоряет процесс анализа.

«Представьте себе, что вы смотрите на подземные структуры через запотевшее окно. Постепенно вы стираете туман, открывая ясность. Наша система работает аналогично: она уточняет карту, добавляя детали, начиная с размытых данных и записей сейсмических волн», — пояснил Андрей Станкевич, аспирант и ассистент кафедры информатики и вычислительной математики МФТИ.

Метод уже успешно протестирован на больших синтетических данных (OpenFWI — Vel, Fault, Style). Результаты показывают, что cI2SB восстанавливает карты скоростей точнее, чем предшествующие модели, делая это в 10–20 раз быстрее и сохраняя важные геологические детали.

Однако метод имеет ограничения. При значительных отличиях входных данных от тех, на которых модель обучалась, например, различном оборудовании или геологических условиях, качество может снизиться.

Учёные планируют сделать метод более устойчивым для применения к реальным данным. В будущем алгоритм может быть адаптирован и для обработки природных землетрясений, что потребует учёта дополнительных типовых колебаний и неконтролируемых источников волн.

Что читать дальше

Подборка материалов по этой теме.

Сейчас читают

Материалы, которые чаще открывают сегодня.

Загрузка…

Ещё по теме

Продолжить чтение

Материалы, которые помогут не выпадать из темы.