Learned multiphysics inversion with differentiable programming and machine learning

要約

タイトル：異なるプログラミングと機械学習によるマルチ物理学的逆演算の学習

要約：

– SLIMというオープンソースのソフトウェアフレームワークを提供することを発表する。
– SLIMは、波動方程式に関連する逆問題（例：地震と医療超音波）、学習済み事前知識による正則化、マルチフェーズ流シミュレーションの学習済みニューラルサロゲートに対応している。
– 複数の抽象化レイヤーを統合することで、ソフトウェアは読みやすく、拡張性があるように設計されている。
– この設計原理とその利点を実証するために、時間軸クロスウェル地震データから浸透度逆演算のスケーラブルなプロトタイプを構築した。
– ソフトウェアは機械学習も含んでおり、最新の高性能コンピューティング技術を活用しながら、研究者が問題を抽象的に定式化できるようにしている。

要約(オリジナル)

We present the Seismic Laboratory for Imaging and Modeling/Monitoring (SLIM) open-source software framework for computational geophysics and, more generally, inverse problems involving the wave-equation (e.g., seismic and medical ultrasound), regularization with learned priors, and learned neural surrogates for multiphase flow simulations. By integrating multiple layers of abstraction, our software is designed to be both readable and scalable. This allows researchers to easily formulate their problems in an abstract fashion while exploiting the latest developments in high-performance computing. We illustrate and demonstrate our design principles and their benefits by means of building a scalable prototype for permeability inversion from time-lapse crosswell seismic data, which aside from coupling of wave physics and multiphase flow, involves machine learning.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI