Este artículo propone DispFormer, un novedoso método para estimar perfiles de velocidad de ondas transversales subsuperficiales (Vs) mediante la inversión de la curva de dispersión de ondas superficiales. DispFormer utiliza una red neuronal basada en transformadores para invertir los perfiles Vs a partir de las fases de las ondas de Rayleigh y las curvas de dispersión de grupo, abordando así el coste computacional, la falta de uniformidad y la sensibilidad inicial del modelo de los métodos existentes. Procesa cada ciclo de forma independiente, lo que permite el uso de datos de longitudes variables, y emplea una estrategia de entrenamiento que considera la sensibilidad a la profundidad. Preentrenado con datos sintéticos, DispFormer demuestra un rendimiento superior con datos reales mediante estrategias de aprendizaje de cero disparos y de pocos disparos, logrando residuos de datos más bajos que los métodos existentes. Esto demuestra el potencial del aprendizaje profundo, que integra información física, para aplicaciones geofísicas.
