近日，我校碳中和科学与工程学院教师杨少博联合中国科学技术大学团队，提出了一种基于深度神经网络重参数化的新型地震层析成像方法，研究成果以“Seismic Traveltime Tomography With Deep Neural Network Reparameterization: The Method and Its Application to Central Chile”为题发表在国际地学权威期刊《Journal of Geophysical Research: Solid Earth》（Nature Index期刊）。该研究得到我校引进人才科研启动基金（2024yjrc64）等项目资助。

文章截图

该研究针对传统地震走时层析成像依赖人工确定反演网格和正则化参数、成像结果易受参数选择影响等问题，提出了一种基于深度神经网络重参数化的新型地震层析成像方法。利用神经网络对地下速度模型进行连续参数化，通过优化神经网络参数直接完成地下介质成像，充分利用了神经网络隐式正则化能力，实现无需人工调整正则化参数即可获得稳定的高分辨率成像结果。测试结果表明，新方法在复杂数据覆盖条件下能够有效提高层析成像分辨率，减少传统方法产生的成像伪影，为深部地下结构精细探测提供了新的技术途径，也为人工智能与地震学成像交叉研究提供了新的思路。

杨少博，讲师，硕士生导师，主要从事人工智能地球物理、地震层析成像、微地震监测等方面研究。近五年以第一作者在国内外高水平学术期刊《Journal of Geophysical Research: Solid Earth》、《Seismological Research Letters》、《中国科学：地球科学》等发表论文6篇。