Neues Deep-Learning-Modell revolutioniert Full-Waveform-Inversion
Ein neues Deep-Learning-Framework namens SA-EMO (Structure-Aligned Encoder Mixture of Operators) verspricht, die Herausforderungen der Full-Waveform-Inversion (FWI) zu überwinden. FWI ist ein Verfahren, das hochauflösende Modelle des Untergrunds erzeugt, aber gleichzeitig schlecht definiert, stark nichtlinear und rechenintensiv bleibt. SA-EMO kombiniert einen strukturell ausgerichteten Encoder mit einer Mischung aus mehreren neuronalen Operatoren, um diese Probleme anzugehen.
