SourceNet: Transformer für Erdbeben‑Inversion mit variabler Sensoranordnung
Ein neuer Ansatz namens SourceNet verspricht, die Analyse von Erdbebenquellen mit Hilfe von Sensorarrays zu revolutionieren. Durch den Einsatz eines Transformer‑Modells kann das System Sensoren in beliebiger Anordnung berücksichtigen, ohne auf feste Raster angewiesen zu sein.
Traditionelle Deep‑Learning‑Methoden stoßen bei der Verarbeitung von spärlichen, ad‑hoc Sensoren an Grenzen. Convolutional‑Netzwerke benötigen feste Gitter, während pooling‑basierte Architekturen wie DeepSets Schwierigkeiten haben, die physikalischen Wechselwirkungen zwischen Wellen zu erfassen. SourceNet überwindet diese Hindernisse, indem es die Sensoranordnung als flexibles Set behandelt.
Um die große Diskrepanz zwischen simulierten und realen Daten zu schließen, führt SourceNet die Technik „Physics‑Structured Domain Randomization“ (PSDR) ein. Dabei werden die zugrunde liegenden physikalischen Dynamiken gezielt variiert – etwa die Geschwindigkeitsstrukturen, Ausbreitungseffekte und die Verfügbarkeit von Sensoren. Dadurch lernt das Modell robuste Repräsentationen, die gegenüber unmodellierter Umweltheterogenität invariant bleiben.
Nach einer Vortrainierung mit 100.000 synthetischen Ereignissen und einer Feinabstimmung auf rund 2.000 realen Aufzeichnungen erzielt SourceNet eine führende Genauigkeit bei realen Testdaten. Das Modell erreicht dabei die Leistung klassischer Solver, bietet jedoch zusätzlich die Möglichkeit zur Echtzeitverarbeitung.
Ein weiteres Highlight ist die Interpretierbarkeit des Modells. SourceNet erkennt eigenständig Engpässe in der geometrischen Anordnung und nutzt eine Aufmerksamkeitsstrategie, die sparsamen Sensorplatzierungen Priorität einräumt. Damit reproduziert es Prinzipien der optimalen Experimentgestaltung, die bisher nur durch aufwändige Simulationen ermittelt wurden.
SourceNet demonstriert damit, dass moderne Transformer‑Architekturen in Kombination mit gezielter Domänenrandomisierung nicht nur die Genauigkeit erhöhen, sondern auch die Effizienz und Transparenz in der Erdbeben‑Quelleninversion deutlich verbessern können.