SubsurfaceGen：場景規模的地球模型與地震數據程序化生成

研究論文提出 SubsurfaceGen，這是一個GPU加速的生成器，用於創建3D速度模型和地震數據，旨在解決現有機器學習全波形反演（FWI）訓練數據的不足。FWI作為地下成像的黃金標準，廣泛應用於碳封存、能源與礦物勘探以及地震危害評估等領域。然而，現有資源如 Marmousi、SEAM 和 OpenFWI 在空間範圍、時間範圍、地質多樣性和物理真實性方面存在局限。SubsurfaceGen 生成的數據集包含4,276個2D速度切片、5秒波場和8秒炮點數據，源自42個場景規模的3D速度模型，每個模型橫向覆蓋10公里乘10公里，深度達6.19公里，分辨率為10米。該數據集涵蓋六種地質環境，其中四種由SubsurfaceGen生成，兩種來自先前來源，專門針對碳封存和碳氫化合物勘探應用。研究團隊利用此數據集評估了神經算子在波場預測以及編碼器-解碼器在端到端速度反演上的表現，並保留一個地質環境進行分佈外測試。實驗結果揭示了場景規模下的失敗模式，並展示了SubsurfaceGen及其數據集如何推動基於機器學習的全波形反演發展。