Neues Verfahren für latente Raum-Inferenz mit gepaarten Autoencodern

Ein innovatives, datengetriebenes Verfahren zur latenten Raum-Inferenz wurde vorgestellt, das auf gepaarten Autoencodern basiert. Durch die Kombination zweier Autoencoder – einer für den Parameterraum und einer für den Beobachtungsraum – werden Lernkarten zwischen den jeweiligen latenten Räumen geschaffen. Diese Karten ermöglichen eine surrogatbasierte, regulierte Inversion und Optimierung in kompakteren, informationsreichen Dimensionen.

Das flexible Framework ist robust gegenüber partiellen, verrauschten oder aus dem Trainingsbereich herausgehenden Daten, während es gleichzeitig die Konsistenz mit den zugrunde liegenden physikalischen Modellen wahrt. Durch die Rekonstruktion von beschädigten Daten und anschließende Parameterabschätzung liefert das System präzisere Ergebnisse als reine gepaarte Autoencoder oder End-to-End-Encoder‑Decoder‑Modelle gleicher Architektur, insbesondere bei Dateninkonsistenzen.

Die Autoren demonstrierten die Leistungsfähigkeit des Ansatzes anhand zweier Bildgebungsexperimente: medizinische Tomographie und seismische Wellenforminversion in der Geophysik. Die vorgestellten Methoden sind jedoch allgemein einsetzbar für eine Vielzahl von Inverse-Problemen in Wissenschaft und Technik.