論文の概要: Bayesian three-dimensional seismic travel-time tomography for active- and passive-source seismic data using physics-informed neural network

• arxiv url: http://arxiv.org/abs/2606.21789v1
• Date: Fri, 19 Jun 2026 22:40:56 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-06-23 15:01:24.091573
• Title: Bayesian three-dimensional seismic travel-time tomography for active- and passive-source seismic data using physics-informed neural network
• Title（参考訳）: 物理インフォームドニューラルネットワークを用いたベイズ3次元地震波トモグラフィによる活・受動的震源データ
• Authors: Ryoichiro Agata, Kazuya Shiraishi, Gou Fujie, Dan Bassett,
• Abstract要約: 本稿では,PINNと速度構造のニューラル表現を組み合わせたメッシュレス3次元ベイズ旅行時トモグラフィー手法を提案する。 本手法を,紀伊半島南海トラフ沖の海洋活動源調査と自然地震の実際のデータセットに適用した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Accurate 3D seismic velocity modeling through seismic travel-time tomography using both active- and passive-source data provides critical underpinning models for seismicity monitoring and hazard assessment. Because travel-time tomography is an inherently ill-posed inverse problem, UQ of the estimated models using Bayesian methods is also important for reliable downstream interpretations and analyses. However, Bayesian inference for 3D tomography based on conventional grid-based representations faces the ``curse of dimensionality'' and severe computational bottlenecks. Consequently, rigorous Bayesian UQ for margin-wide 3D travel-time tomography has remained largely unexplored. In this study, we propose a meshless 3D Bayesian travel-time tomography method that combines PINNs with a neural representation of the velocity structure, enabling tractable and data-efficient Bayesian inference through function-space particle-based variational inference. To efficiently integrate passive-source data into the Bayesian estimation of the velocity structure, we conduct analytical marginalization treating uncertain source parameters as nuisance parameters, with passive-source relocation carried out in post-processing. We validated the capability of our approach for 3D problems through synthetic experiments. Furthermore, we applied the method to a real-world dataset from marine active-source surveys and natural earthquakes off the Kii Peninsula, Nankai Trough. Our probabilistic 3D ensemble successfully resolves key geological features and provides data-consistent uncertainty maps. The posterior mean hypocenters shifted mainly in the vertical direction by 10-15 km, consistent with a previous relocation result. Finally, the neural representation drastically reduces storage requirements for the entire ensemble velocity model, highlighting the scalability and data efficiency of the proposed framework.
• Abstract（参考訳）: アクティブおよびパッシブソースデータを用いた地震時トモグラフィによる高精度3次元地震波速度モデリングは、地震活動モニタリングとハザードアセスメントのための重要な基盤モデルを提供する。 旅行時トモグラフィーは本質的に不適切な逆問題であるため、ベイズ法による推定モデルのUQは、下流の信頼できる解釈や解析にも重要である。 しかし、従来の格子に基づく表現に基づく3次元トモグラフィーのベイジアン推論は、「次元の商」と厳しい計算ボトルネックに直面している。 その結果,3次元旅行時トモグラフィーにおける厳密なベイジアンUQは未発見のままである。 本研究では,PINNと速度構造のニューラル表現を組み合わせたメッシュレス3次元ベイズ旅行時トモグラフィー手法を提案する。 速度構造のベイズ推定にパッシブソースデータを効率的に統合するため,不確実なソースパラメータをニュアンスパラメータとして扱い,後処理でパッシブソースのリロケーションを行う。 合成実験により3次元問題に対するアプローチの有効性を検証した。 さらに,本手法を,紀伊半島南海トラフ沖の海洋活動源調査と自然地震の実際のデータセットに適用した。 我々の確率的3Dアンサンブルは、重要な地質学的特徴をうまく解決し、データ一貫性の不確実性マップを提供する。 後部の平均下方中心は、主に垂直方向に10～15km移動し、以前の転位結果と一致した。 最後に、ニューラルネットワーク表現は、アンサンブル速度モデル全体のストレージ要求を大幅に削減し、提案したフレームワークのスケーラビリティとデータ効率を強調します。

関連論文リスト

• EMoTive: Event-guided Trajectory Modeling for 3D Motion Estimation [59.33052312107478]
  イベントカメラは、シーン変化に対する連続的適応ピクセルレベル応答による3次元モーション推定の可能性を提供する。 本稿では,イベント誘導パラメトリック曲線を用いた一様軌道をモデル化するイベントベースフレームワークであるEMoveについて述べる。 動作表現には,事象誘導下での空間的特徴と時間的特徴を融合する密度認識適応機構を導入する。 最終3次元運動推定は、パラメトリック軌道、流れ、深度運動場の多時間サンプリングによって達成される。
  論文  参考訳（メタデータ） (2025-03-14T13:15:54Z)
• Fast data inversion for high-dimensional dynamical systems from noisy measurements [10.060455365145106]
  我々は高次元力学系に対するフレキシブル潜在因子モデルのためのスケーラブルなアプローチを開発する。 カスカディア地域の測地学的な観測に本手法を適用することにより, 地震の地震観測データと独立に一致したスリップの推定値が得られた。
  論文  参考訳（メタデータ） (2025-01-02T16:25:57Z)
• 3D Equivariant Pose Regression via Direct Wigner-D Harmonics Prediction [50.07071392673984]
  既存の方法は、角度や四元数を用いて空間領域でパラメータ化された3次元回転を学習する。 本稿では,3次元回転回帰のためのWigner-D係数を直接予測する周波数領域アプローチを提案する。 提案手法は, ModelNet10-SO(3) や PASCAL3D+ などのベンチマーク上での最先端結果を実現する。
  論文  参考訳（メタデータ） (2024-11-01T12:50:38Z)
• IntraSeismic: a coordinate-based learning approach to seismic inversion [14.625250755761662]
  IntraSeismicは、座標に基づく学習とポストスタックモデリング演算子の物理をシームレスに組み合わせた、新しいハイブリッド地震インバージョン手法である。 IntraSeismicの主な特徴は、2Dおよび3D後の地震インバージョン、高速収束率、およびシームレスにハード制約を含む能力である。 提案手法の有効性を検証するために, 震源内データの合成とフィールドデータの適用について述べる。
  論文  参考訳（メタデータ） (2023-12-17T00:29:25Z)
• Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
  非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。 マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。 提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
  論文  参考訳（メタデータ） (2023-09-26T08:03:10Z)
• Averaging Spatio-temporal Signals using Optimal Transport and Soft Alignments [110.79706180350507]
  Fr'teche は双対性を意味し, 時間的バレシェセンタを定義するために提案した損失が有効であることを示す。 手書き文字と脳画像データによる実験は、我々の理論的発見を裏付けるものである。
  論文  参考訳（メタデータ） (2022-03-11T09:46:22Z)
• Estimating permeability of 3D micro-CT images by physics-informed CNNs based on DNS [1.6274397329511197]
  本稿では,地質岩のマイクロCTによる透水率予測手法を提案する。 透過性予測専用のCNNのためのトレーニングデータセットは、古典格子ボルツマン法(LBM)によって通常生成される透過性ラベルからなる。 その代わりに、定常ストークス方程式を効率的かつ分散並列に解き、直接数値シミュレーション(DNS)を行う。
  論文  参考訳（メタデータ） (2021-09-04T08:43:19Z)
• SRoll3: A neural network approach to reduce large-scale systematic effects in the Planck High Frequency Instrument maps [0.17188280334580192]
  構造化汚染源を低減するためのニューラルネットワークに基づくデータインバージョン手法を提案する。 我々はPlanck High Frequency Instrument (Planck-HFI)データに対するマップ作成と大規模な系統的効果の除去に焦点を当てた。
  論文  参考訳（メタデータ） (2020-12-17T16:13:56Z)
• Probabilistic 3D surface reconstruction from sparse MRI information [58.14653650521129]
  スパース2次元MR画像データとアレータティック不確実性予測から3次元表面再構成を同時に行うための新しい確率論的深層学習手法を提案する。 本手法は,3つの準直交MR画像スライスから,限られたトレーニングセットから大きな表面メッシュを再構成することができる。
  論文  参考訳（メタデータ） (2020-10-05T14:18:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。