Les problèmes inverses géophysiques consistent à inférer les propriétés et la structure des milieux souterrains à partir de données d'observations de surface, largement appliqués dans la détection de ressources énergétiques, les enquêtes géologiques et la surveillance environnementale. L'inversion géophysique traditionnelle repose sur la construction de modèles de mathématiques et de physique et sur un calcul numérique efficace. Cependant, en raison de l'inadéquation des problèmes mathématiques et de la complexité des milieux souterrains, la méthode de calcul basée uniquement sur des modèles entraîne souvent des problèmes de solutions multiples et d'instabilité numérique. Pour relever ces défis, les méthodes basées sur les données exploitent un grand nombre de données d'observation pour révéler des schémas sous-jacents via des techniques d'analyse statistique et d'apprentissage machine, améliorant ainsi la stabilité et la précision des résultats d'inversion. Avec les avancées des technologies de calcul, les méthodes de calcul intelligent pilotées par les connaissances, en combinant les connaissances du domaine et les informations a priori, intègrent les modèles physiques et l'analyse de données pour augmenter la stabilité de la résolution des problèmes inverses et renforcer la rationalité physique et l'efficacité du calcul des résultats d'inversion. De plus, l'essor de l'informatique quantique offre de nouvelles solutions aux problèmes inverses géophysiques. L'informatique quantique, tirant parti des propriétés de la mécanique quantique, permet d'effectuer des calculs parallèles et une accélération exponentielle lors du traitement de tâches de calcul complexes. En ce qui concerne les problèmes inverses géophysiques, le potentiel de l'informatique quantique réside dans l'amélioration de l'efficacité de calcul et de la capacité à traiter des ensembles de données à grande échelle, permettant ainsi une inversion plus rapide et plus précise. Les problèmes inverses géophysiques et le calcul intelligent pilotés par des modèles, des données et des connaissances représentent un paradigme de recherche innovant et intégré, tirant pleinement parti des modèles physiques, des données d'observation et des connaissances du domaine, réalisant une détection précise des structures souterraines grâce aux technologies de calcul intelligent. Cela stimule non seulement les progrès de la recherche sur les problèmes inverses géophysiques, mais offre également des solutions plus fiables et efficaces pour les applications pratiques.
Building similarity graph...
Analyzing shared references across papers
Loading...
Yanfei Wang
SCIENTIA SINICA Terrae
Building similarity graph...
Analyzing shared references across papers
Loading...
Yanfei Wang (Thu,) a étudié cette question.
synapsesocial.com/papers/69a7682bbadf0bb9e87e3ced — DOI: https://doi.org/10.1360/sste-2025-0113