Flow Matching을 이용한 확률론적 역산 (Probabilistic Inversion)
요약
생성형 AI 기술인 Flow Matching을 지구물리학적 탄성파 전파파형 역산에 적용하는 확률론적 역산 방법론을 제안합니다. 수학적 이론을 조정하여 2D 속도 모델과 OpenFWI 데이터셋을 통해 방법론의 유효성을 검증했습니다.
핵심 포인트
- Flow Matching 기술을 확률론적 역산에 적용
- 지구물리학적 설정에 맞춘 수학적 이론 조정
- 2D 속도 모델 및 OpenFWI 데이터셋을 통한 검증
우리는 생성형 인공지능 (Generative Artificial Intelligence)에서 유래한 기술인 Flow Matching을 탄성파 전파파형 역산 (Seismic Full-Waveform Inversion)과 같은 지구물리학적 설정에서의 확률론적 역산 (Probabilistic Inversion)에 적용함을 보여줍니다. 우리는 생성형 인공지능 (Generative Artificial Intelligence)에서 확립된 Flow Matching의 수학적 이론을 확률론적 역산 (Probabilistic Inversion)의 맥락에 맞게 조정합니다. 우리는 두 가지 사례 연구를 통해 이 접근 방식을 평가합니다: 방법론의 일반적인 특징을 설명하기 위한 단순한 2D 속도 모델 (2D velocity model), 그리고 더 복잡한 탄성파 속도 모델 (Seismic velocity models)의 확률론적 역산 능력을 보여주기 위한 OpenFWI 데이터셋입니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기