Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

SA-EMO: Structure-Aligned Encoder Mixture of Operators for Generalizable Full-waveform Inversion

Created by
  • Haebom
Category
Empty

저자

Wang Zhenyu, Li Peiyuan, Shi Yongxiang, Wu Ruoyu, Zhang Lei

개요

본 논문은 불확실한 지하 구조 하에서 속도장 역산을 위한 Structure-Aligned Encoder-Mixture-of-Operators (SA-EMO) 아키텍처를 제안한다. SA-EMO는 고차원 지진파를 물리적으로 일관된 잠재 공간에 매핑하는 구조 정렬 인코더, 여러 신경 연산자(스펙트럴, 웨이블릿, 멀티스케일, 로컬 연산자 등)를 선택하고 융합하는 적응형 라우팅 메커니즘을 포함한다. OpenFWI 벤치마크 및 Marmousi2 데이터셋에서 기존 방법 대비 평균 MAE 감소 약 58.443%, 경계 해상도 개선 약 10.308%를 달성했다.

시사점, 한계점

•
시사점:
◦
SA-EMO 아키텍처는 복잡한 지질 환경에서 일반화 성능을 향상시킨다.
◦
구조 정렬 인코더는 파형과 속도 도메인 간의 공간-시간 불일치를 제거하고, 고주파 성분을 복구하며, 특징 일반화를 강화한다.
◦
전문가 융합 메커니즘은 다양한 신경 연산자를 활용하여 예측 성능을 높인다.
◦
기존 CNN 또는 단일 연산자 방식보다 우수한 성능을 보인다.
•
한계점:
◦
논문에 구체적인 한계점이 명시적으로 언급되지 않음.
👍
Made with Slashpage