जनरेटिव डिफ्यूजन मॉडलों का उपयोग करके नियंत्रित भूकंपीय गति संश्लेषण

सटीक भूकंपीय गति आकलन पृथ्वी की अंतर्गर्भीय संरचनाओं को समझने, प्राकृतिक संसाधनों का आकलन करने और भूकंपीय खतरों का मूल्यांकन करने के लिए आवश्यक हैं। मशीन लर्निंग आधारित उलटने के एल्गोरिदम ने क्षेत्रीय (यानी, अन्वेषण के लिए) और वैश्विक गति के आकलन में आशाजनक प्रदर्शन दिखाया है, जबकि उनकी प्रभावशीलता बड़े और विविध प्रशिक्षण डेटा सेटों तक पहुंच पर निर्भर करती है जिनका वितरण आमतौर पर लक्षित समाधानों को कवर करता है। इसके अतिरिक्त, गति के आकलन की सटीकता और विश्वसनीयता को बढ़ाने के लिए पूर्व जानकारी को शामिल करना भी आवश्यक है, जैसे कि भूविज्ञान वर्ग, बोरहोल लॉग, और अंतर्गर्भीय संरचनाएं, लेकिन मौजूदा सांख्यिकीय या न्यूरल नेटवर्क आधारित विधियाँ ऐसी बहु-मोडल जानकारी को संभालने में पर्याप्त लचीली नहीं हैं। दोनों चुनौती का समाधान करने के लिए, हम भूकंपीय गति संश्लेषण के लिए शर्तात्मक जनरेटिव डिफ्यूजन मॉडलों का उपयोग करने का प्रस्ताव रखते हैं, जिसमें हम आसानी से उन पूर्वापेक्षाओं को शामिल करते हैं। यह दृष्टिकोण भूकंपीय गतियों के निर्माण को सक्षम बनाता है जो अपेक्षित लक्ष्य वितरण के साथ निकटता से मेल खाती हैं, विशेषज्ञ ज्ञान और मापी गई डेटा द्वारा सूचित डेटा सेट प्रदान करते हैं ताकि डेटा-संचालित भूभौतिक विधियों के लिए प्रशिक्षण का समर्थन किया जा सके। हम विभिन्न परिस्थितियों के तहत, जैसे वर्ग लेबल, बोरहोल लॉग, परावर्तक छवियां, और इन पूर्वापेक्षाओं के संयोजन में OpenFWI डेटा सेट पर डिफ्यूजन मॉडलों को प्रशिक्षण देकर अपनी विधि की लचीलेपन और प्रभावशीलता को प्रदर्शित करते हैं। वितरण से बाहर की परिस्थितियों में दृष्टिकोण का प्रदर्शन इसके सामान्यीकरण क्षमताओं को और अधिक उजागर करता है, इसकी क्षमता को प्रदर्शित करता है कि यह गति उलटा समस्याओं के लिए अनुकूलित पूर्वापेक्षाएँ प्रदान कर सकता है और मशीन लर्निंग आधारित भूभौतिक अनुप्रयोगों के लिए विशिष्ट प्रशिक्षण डेटा सेट बना सकता है।