1. Fourier-DeepONet: сети глубоких операторов с расширенным Фурье для полной инверсии формы сигнала с повышенной точностью, обобщаемостью и надежностью (arXiv)

Автор: Мин Чжу, Шихан Фэн, Юцзо Линь, Лу Лу.

Аннотация: Полная инверсия формы волны (FWI) выводит информацию о структуре геологической среды из данных сейсмической формы волны путем решения невыпуклой задачи оптимизации. FWI, управляемый данными, все чаще изучается с использованием различных архитектур нейронных сетей для повышения точности и эффективности вычислений. Тем не менее, применимость предварительно обученных нейронных сетей строго ограничена потенциальными несоответствиями между исходной функцией, используемой в полевых исследованиях, и той, которая используется во время обучения. Здесь мы разрабатываем расширенную Фурье глубокую операторскую сеть (Fourier-DeepONet) для FWI с обобщением сейсмических источников, включая частоты и местоположения источников. В частности, мы используем нейронный оператор Фурье в качестве декодера DeepONet и используем параметры источника в качестве одного из входных данных Fourier-DeepONet, облегчая разрешение FWI с переменными источниками. Чтобы протестировать Fourier-DeepONet, мы разрабатываем три новых и реалистичных набора эталонных данных FWI (FWI-F, FWI-L и FWI-FL) с различными частотами источников, местоположениями или тем и другим. Наши эксперименты показывают, что по сравнению с существующими методами FWI, основанными на данных, Fourier-DeepONet позволяет более точно прогнозировать подземные структуры в широком диапазоне параметров источника. Более того, предлагаемая сеть Fourier-DeepONet демонстрирует превосходную надежность при обработке данных с гауссовским шумом или отсутствующих трасс и источников с гауссовским шумом, открывая путь для более надежного и точного построения изображений недр в различных реальных условиях.

2. Схема ускорения процесса горения с помощью DeepONets (arXiv)

Автор : : Анудж Кумар, Тарек Эчекки

Аннотация : : Разработана схема ускорения химии горения на основе глубоких операторских сетей (DeepONets). Схема основана на идентификации динамики реакции горения с помощью модифицированной архитектуры DeepOnet, в которой решения термохимических скаляров проецируются на новые решения с небольшими и гибкими временными интервалами. Этот подход предназначен для эффективной реализации химического ускорения без необходимости дорогостоящей вычислительной интеграции жесткой химии. Также предлагается дополнительная система идентификации динамики скрытого пространства с помощью модифицированного DeepOnet, которая повышает эффективность вычислений и расширяет область применения предложенной схемы. Схема продемонстрирована на примере простой химической кинетики окисления водорода и более сложной химической кинетики высоко- и низкотемпературного окисления н-додекана. Предлагаемая система точно изучает химическую кинетику и эффективно воспроизводит временные профили видов и температуры, соответствующие каждому применению. Кроме того, в предложенной схеме также наблюдается очень большое ускорение с большими возможностями экстраполяции.