拡散モデルに基づくフル波形反転法

要旨: 地震のフル波形反転は、高解像度の地下構造モデルパラメータを得るための中核技術である。しかし、その強い非線形性と初期モデルへの強い依存性のために、反転プロセスが局所最小値に閉じ込められてしまうことがしばしば起こる。近年、生成拡散モデルは、暗黙の事前分布を学習することでフル波形反転を正則化する方法を提供してきた。ただし既存の手法は、主に無条件の拡散過程を用いるため、速度と密度の間に本質的に存在する物理的な結合関係や、その他の物理的特性を無視している。本論文では、条件付き拡散モデルによる正則化に基づくフル波形反転手法を提案する。拡散モデルのバックボーンネットワーク構造を改善することで、2次元の密度情報を条件入力としてU-Netネットワークに導入する。実験結果は、条件付き拡散モデルに基づくフル波形反転手法が、反転結果の解像度と構造の忠実性を有意に向上させること、また複雑な状況を扱う際に、より強い安定性と頑健性を示すことを明らかにした。この手法は、密度情報を反転の制約として効果的に利用でき、実用上の価値が高い。
キーワード: 深層学習; 拡散モデル; フル波形反転。