다차원 지진 소음 감쇠 및 초해상도를 위한 확산 모델

지진 데이터 품질은 해석에 결정적이며, 소음 감소와 해상도 향상이 필요하다. 전통적인 방법과 딥러닝 기반 솔루션은 저차원 지진 데이터에 대해 다양한 성공 정도를 기록해왔다. 우리는 노이즈 감쇠 확산 확률 모델(DDPM)의 혁신적인 적용을 통해 고차원 지진 데이터의 노이즈 제거 및 초해상도를 위한 딥 생성 솔루션인 MD Diffusion을 개발하였다. MD Diffusion은 저하된 지진 데이터를 생성 과정을 안내하는 조건부 사전으로 취급하여 복잡한 노이즈로부터 데이터를 복구하는 능력을 향상시킨다. 암시적 확률 모델을 반복적으로 훈련함으로써 원래 DDPM보다 10배 빠른 샘플링 속도를 달성하였다. 광범위한 훈련을 통해 우리는 합성 데이터 세트에서 복잡한 지진 데이터 분포를 명시적으로 모델링할 수 있으며, 이를 통해 노이즈 수준이 알려지지 않은 필드 데이터 복구 과정에 이 지식을 전이하여 소음을 감쇠하고 비지도 방식으로 해상도를 향상시킨다. 3D 합성 및 필드 데이터에 대한 정량적 메트릭과 정성적 결과는 MD Diffusion이 UNet 및 지진 초해상도 방법에 비해 특히 얇은 층 구조를 향상하고 단층 특징을 보존하는 데 있어 고차원 지진 데이터의 노이즈 제거 및 초해상도에서 우수한 성능을 나타내며, 더 높은 차원의 데이터에 대한 적용 가능성을 제시한다.