SAGE：proxy posteriorによるサブサーフェスAI駆動の地球統計学的抽出

要旨: 生成ネットワークにおける最近の進展により、地表下速度モデルの合成に対する新しいアプローチが可能になり、フル・ウェーブフォーム・インヴァージョン（Full Waveform Inversion）のような従来手法に対する説得力のある代替手段が提供されています。しかし、これらのアプローチは主として、高品質で地質学的に現実的な地表下速度モデルの大規模データセットの利用可能性に依存しており、実際には入手が困難であることが多いです。本稿では、欠測のある観測（具体的には疎なボアホールログとマイグレートされた地震画像）から、統計的に整合した代理速度（proxy velocity）を生成する新しい枠組みSAGEを提案します。学習時に、SAGEは両モダリティ（ボアホールと地震）に条件付けた速度モデルに対する代理事後分布（proxy posterior）を学習します。推論時には、マイグレートされた画像のみに条件付けて、完全な解像度の速度場を生成し、ボアホール情報は学習された分布の中に暗黙的に符号化されます。これにより、地質学的にもっともらしく、かつ統計的に正確な速度実現（velocity realizations）を生成できます。合成データと現場データの両方でSAGEを検証し、限られた観測制約の下でも、複雑な地表下の変動性を捉えられることを示します。さらに、学習された代理分布から引いたサンプルを用いて下流ネットワークを訓練でき、インヴァージョン（逆解析）ワークフローを支援します。全体として、SAGEは、地震イメージングおよびインヴァージョンのための地質学的代理事後分布を、スケーラブルかつデータ効率よく学習するための道筋を提供します。リポジトリリンク: https://github.com/slimgroup/SAGE。