业界SOTA！基于昇思MindSpore的大地电磁智能反演模型首开源，助力地球物理勘探加速智能化

近日，华为AI4S Lab与清华大学李懋坤教授团队、华为先进计算与存储实验室合作，基于昇腾AI处理器与昇思MindSpore AI框架打造了大地电磁智能反演模型。该模型通过变分自编码器（VAE）灵活嵌入了多物理先验知识，达到了业界SOTA。该成果已被国际顶级勘探地球物理期刊《Geophysics》收录，相关代码已在昇思MindSpore Elec电磁仿真套件代码仓中开源，同时，该成果也在昇思人工智能框架峰会2024上发布亮相。

大地电磁（Magnetotelluric）反演是一种地球物理勘探技术。它利用地球表面上的电磁场与地下岩石、矿床等物质的电导率、磁导率等物理属性之间的关系，推断地下物质的电磁参数分布从而达到探测地下物质的目的。该技术被广泛应用于矿产勘探、油气勘探、地质灾害预测等领域。大地电磁反演相比地震波反演具有探测深度大、测量复杂度低、操作较为简便等优势，但传统的大地电磁反演方法（如像素反演方法等）仍面临数据分辨率低、病态性和多解性等问题。基于昇思MindSpore的大地电磁智能反演模型通过融入多物理先验知识，有效地解决了上述问题。

基于昇思MindSpore框架的分布式并行能力，我们实现了高效的变分自编码器网络的预训练和推理。借助昇思MindSpore的自动微分能力，高斯牛顿迭代反演中灵活地嵌入了含梯度的正则项 ，提升了反演的稳定性。基于昇思MindSpore的大地电磁反演模型，精度和性能上都有显著提升。

如下是大地电磁智能反演示例：反演区域水平长度为10km，深度为1km。下图3中目标电阻率分布（第一列）与传统大地电磁反演（第二列）、大地电磁智能反演（第三列），可以看出大地电磁智能反演相比传统反演精度显著提升（前者残差为0.0056和0.0054；后者为0.023和0.024 ）；下图4中，大地电磁智能反演性能也优于传统反演方法（前者收敛步数为4和4；后者为6和4）。

图3 大地电磁反演精度对比

图4 大地电磁反演收敛速度对比（Pixel-based：传统反演；Feature-based：我们的工作）

此外，大地电磁智能反演模型还在南部非洲开源数据集（SAMTEX）上做了验证。该反演区域位于南部非洲西海岸附近，长度约为750km，深度选定为80km。该测区显著特征为在水平方向100km至400km之间，深度20km以浅的区域存在的高导结构。由于低频电磁波在导体结构中的衰减，MT方法对高导结构下部区域的敏感度很低, 因此无先验知识约束的传统MT反演难以准确重建高导地层的下边界位置。大地电磁智能反演对高导地层的下边界重建较为清晰准确，较好地将地层厚度的先验知识融入了反演。

图5 南部非洲MT反演示例图（上图：传统反演；下图：我们的工作）

大地电磁智能反演模型基于高效易用的昇思MindSpore融合框架，实现了SOTA的结果。未来，我们将进一步拓展该模型，推动应用落地到更多领域。同时，希望有更多的企业、科研院所能够参与共建、共享，依托昇思MindSpore共同打造更多智能电磁的创新应用。

相关工作：

• 了解更多可查看论文：

  https://library.seg.org/doi/10.1190/geo2022-0774.1

• 昇思MindSpore Science开源路径https://gitee.com/mindspore/mindscience

• 昇思大地电磁智能反演模型开源路径https://gitee.com/mindspore/mindscience/tree/master/MindElec/examples/hybrid_driven/feature_based_MT_inversion

• 添加小猫子@MindSpore助手加入社群