マルチタスクのディープラーニングに基づく2D磁電流前向きモデリング

科学分野:

• 地理学
• コンピュータ科学
• 人工知能

背景:

• 精密な2D磁電流 (MT) フォワードモデリングは,地質学的逆転品質にとって極めて重要です.
• 伝統的な数学的方法は計算が密集しており,パーソナルコンピュータでの効率を制限しています.

研究 の 目的:

• ディープラーニングのアプローチを用いた新しい効率的な 2D MT 前進モデリング方法を開発する.
• 高精度を維持しながらMT先行計算を加速する.

主な方法:

• トランスフォーマーU-Net (T-Unet) マルチタスクネットワークがエンドツーエンドのトレーニングに使用されました.
• ネットワークは,ジオ電気モデルと明らかな抵抗力/相データとのマッピングを学習します.
• 訓練されたニューラルネットワークモデルは,直接MTの前向きなモデリング結果を予測します.

主要な成果:

• T-Unetモデルは従来のシミュレーションと比較して計算時間を大幅に短縮します.
• モデルが確立された後も高い計算精度は維持されます.
• ディープラーニングの方法はパーソナルコンピュータで優れた効率性を示しています.

結論:

• ディープラーニングのニューラルネットワークは,MTの先行計算を加速する大きな可能性を秘めています.
• この研究は地質学的探査に 人工知能を統合するための新しい道を示しています
• T-Unet 方法は2D MT フォワードモデリングの効率的で正確な代替手段を提供します.