A Neural Network Architecture Based on Attention Gate Mechanism for 3D Magnetotelluric Forward Modeling

要約

有限要素法（FEM）や有限体積法（FVM）などの従来の3次元磁気伸筋（MT）数値順方向モデリング法は、メッシュの洗練と計算リソースの制限により、高い計算コストと低い効率に悩まされています。
3D MTフォワードモデリングの注意ゲーティングメカニズムを統合するMtagu-Netという名前の新しいニューラルネットワークアーキテクチャを提案します。
具体的には、デュアルパスの注意ゲーティングモジュールは、フォワード応答データ画像に基づいて設計され、エンコーダーとデコーダーの間のスキップ接続に埋め込まれています。
このモジュールにより、ディープフィーチャマップのデコード中に浅い機能マップからの重要な異常情報の融合が可能になり、異常な領域から特徴を抽出するネットワークの機能が大幅に向上します。
さらに、3Dガウスランダムフィールド（GRF）を使用した合成モデル生成方法を導入し、現実世界の地質学的シナリオの電気構造を高い忠実度で正確に複製します。
数値実験は、Mtagu-netが収束安定性と予測精度の観点から従来の3D U-Netを上回ることを示しており、順方向応答データの構造類似性指数（SSIM）は常に0.98を超えています。
さらに、ネットワークは、以前に見えないデータセットモデルのフォワード応答データを正確に予測でき、その強力な一般化能力を実証し、実際のアプリケーションでこのメソッドの実現可能性と有効性を検証します。

要約(オリジナル)

Traditional three-dimensional magnetotelluric (MT) numerical forward modeling methods, such as the finite element method (FEM) and finite volume method (FVM), suffer from high computational costs and low efficiency due to limitations in mesh refinement and computational resources. We propose a novel neural network architecture named MTAGU-Net, which integrates an attention gating mechanism for 3D MT forward modeling. Specifically, a dual-path attention gating module is designed based on forward response data images and embedded in the skip connections between the encoder and decoder. This module enables the fusion of critical anomaly information from shallow feature maps during the decoding of deep feature maps, significantly enhancing the network’s capability to extract features from anomalous regions. Furthermore, we introduce a synthetic model generation method utilizing 3D Gaussian random field (GRF), which accurately replicates the electrical structures of real-world geological scenarios with high fidelity. Numerical experiments demonstrate that MTAGU-Net outperforms conventional 3D U-Net in terms of convergence stability and prediction accuracy, with the structural similarity index (SSIM) of the forward response data consistently exceeding 0.98. Moreover, the network can accurately predict forward response data on previously unseen datasets models, demonstrating its strong generalization ability and validating the feasibility and effectiveness of this method in practical applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google