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