論文の概要: Generative inversion for early ranking of competing geologic interpretations

• arxiv url: http://arxiv.org/abs/2609.20978v1
• Date: Thu, 17 Sep 2026 18:31:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.750619
• Title: Generative inversion for early ranking of competing geologic interpretations
• Title（参考訳）: 競合する地質学的解釈の早期ランク付けのための生成的逆転
• Abstract要約: 高精度な地下決定は、しばしば厳しいデータ不足の下で行われる。 専門家は、同じ地下システムの競合する解釈にたどり着くかもしれないが、プロジェクトの初期には、どれが最も現実的であるかを決定する実践的な方法がほとんどない。 地質学的解釈を評価するための既存のアプローチは、主観的判断か、早期調査ではほとんど利用できない密度の高いデータに依存している。 本稿では,この課題に対処するために,競合する地質学的解釈を代替的な空間的前提に翻訳し,水理頭観測との整合性に応じてそれらをランク付けするワークフローを提案する。
• 参考スコア（独自算出の注目度）: 2.924269272712131
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High-consequence subsurface decisions are often made under severe data scarcity. Experts may arrive at competing interpretations of the same subsurface system, yet early in a project there is rarely a practical way to determine which one is most realistic. This uncertainty can persist until several wells are drilled, often costing millions of dollars. Existing approaches for evaluating geologic interpretations rely either on subjective judgment or on dense data that are rarely available in early-stage investigations. We present a workflow that addresses this challenge by translating competing geologic interpretations into alternative spatial priors and ranking them according to their consistency with hydraulic-head observations. For each interpretation, a text-to-image foundation model generates an ensemble of 1600 geologic images, and a separately trained variational autoencoder provides an interpretation-specific latent representation. A supervised inverse network maps the head observations into this latent space, and the frozen decoder produces an image that is mapped to a log-conductivity field. Steady-state flow simulation then provides predicted heads, and the resulting mismatch is converted into a Gaussian-form compatibility score. We evaluate the framework using a synthetic benchmark based on the Johansen Formation and three interpretations of decreasing consistency with the reference representation. Across 925 test cases, the mean head RMSE increases from 0.197 for the Precise \& Accurate interpretation to 0.227 for the Accurate interpretation and 0.280 for the Mismatched interpretation. We subsequently apply the workflow to two published conceptual models of the Culebra Dolomite Member at the Waste Isolation Pilot Plant. The revised model receives a compatibility weight of 0.991, compared with 0.009 for the original model, consistent with the independent evidence.
• Abstract（参考訳）: 高精度な地下決定は、しばしば厳しいデータ不足の下で行われる。 専門家は、同じ地下システムの競合する解釈にたどり着くかもしれないが、プロジェクトの初期には、どれが最も現実的であるかを決定する実践的な方法がほとんどない。 この不確実性は、複数の井戸が掘削されるまで持続し、しばしば数百万ドルの費用がかかる。 地質学的解釈を評価するための既存のアプローチは、主観的判断か、早期調査ではほとんど利用できない密度の高いデータに依存している。 本稿では,この課題に対処するために,競合する地質学的解釈を代替的な空間的前提に翻訳し,水理頭観測との整合性に応じてそれらをランク付けするワークフローを提案する。 各解釈に対して、テキスト・ツー・イメージ基盤モデルが1600の地質画像のアンサンブルを生成し、個別に訓練された変分オートエンコーダが解釈固有の潜伏表現を提供する。 教師付き逆ネットワークは頭部観測をこの潜伏空間にマッピングし、凍結復号器は対数伝導体にマッピングされた画像を生成する。 定常流シミュレーションは予測されたヘッドを提供し、その結果のミスマッチはガウス形式の互換性スコアに変換される。 提案手法は,Johansen Formationに基づく総合ベンチマークと参照表現との整合性低下の3つの解釈を用いて評価する。 925回の試験では,平均頭部RMSEの精度は精度が0.197から精度が0.227,Mismatchedの精度が0.280まで上昇した。 次に, 廃棄物分離パイロットプラントのCulebra Dolomiteメンバーの2つの概念モデルにワークフローを適用した。 修正されたモデルは0.991で、元のモデルでは0.009であり、独立した証拠と一致している。

関連論文リスト

• Self-Supervised Topologically Invariant Manifold Learning for Railway Image Quality Assessment [20.081901964453074]
  既存のブラインド画像品質評価法(BIQA)は、実世界の領域における一般化を制限する合成主観的アノテーションに依存している。 境界制約下での位相不変多様体学習に基づく完全自己教師付きBIQAフレームワークを提案する。 我々のフレームワークは標準の合成およびワイルドベンチマークで優れたゼロショット転送性を確保できることを示す。
  論文  参考訳（メタデータ） (2026-08-15T13:08:06Z)
• Before the Action: Benchmarking LLMs on Prospective Hypothesis Discovery [95.44432473367836]
  大規模言語モデル(LLM)は、事前に特定された質問に答える能力に優れるが、未解決の未解決段階をナビゲートする能力はほとんど測定されていない。 仮説探索(PHD)を導入し,不確定な証拠から,仮説空間を自律的に構築することをモデルに求める。 本稿では,6つの科学的・分析的領域にわたる988ケースのベンチマークであるHypoArenaと,オープンエンド仮説セットの評価フレームワークであるHypoEvalを紹介する。
  論文  参考訳（メタデータ） (2026-07-17T08:56:43Z)
• Binary Flow Matching: Prediction-Loss Space Alignment for Robust Learning [23.616336786063552]
  フローマッチングは、生成モデリングの強力なフレームワークとして登場した。 速度に基づく目的と結合した場合に発生する潜在構造ミスマッチを同定する。 信号空間に対する目的の再調整が特異重み付けを排除していることを示す。
  論文  参考訳（メタデータ） (2026-02-11T02:02:30Z)
• Pix2Geomodel: A Next-Generation Reservoir Geomodeling with Property-to-Property Translation [2.004012818482403]
  本研究では、Pix2Pixをベースとした新しい条件付き生成対向ネットワーク(cGAN)フレームワークであるPix2Geomodelを紹介する。 グローニンゲンガス田のロトリーゲンド貯水池から貯水池特性(空洞、ポーシティ、透水性、飽和度)を予測するように設計されている。 その結果, 病状 (PA 0.88, FWIoU 0.85) と水飽和 (PA 0.96, FWIoU 0.95) の精度が高く, 気孔率 (PA 0.70, FWIoU 0.55) と透過性 (PA 0.74, FWIoU 0.60) が適度に向上し, 翻訳性能も良好であった。
  論文  参考訳（メタデータ） (2025-06-21T15:58:27Z)
• Solving Inverse Problems with FLAIR [68.87167940623318]
  本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。 標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-03T09:29:47Z)
• MicroFlow: Domain-Specific Optical Flow for Ground Deformation Estimation in Seismic Events [19.621315573734265]
  特に,暗黙の相関層に依存した深層学習モデルでは,実環境下での小さな変位を推定することが困難である。 我々のモデルは、半合成地球物理学のベンチマークを広く利用し、人為的・高分解能のセンサーで捉えた現実世界のシナリオをうまく一般化する。
  論文  参考訳（メタデータ） (2025-04-18T04:10:40Z)
• Prototype-based Aleatoric Uncertainty Quantification for Cross-modal Retrieval [139.21955930418815]
  クロスモーダル検索手法は、共通表現空間を共同学習することにより、視覚と言語モダリティの類似性関係を構築する。 しかし、この予測は、低品質なデータ、例えば、腐敗した画像、速いペースの動画、詳細でないテキストによって引き起こされるアレタリック不確実性のために、しばしば信頼性が低い。 本稿では, 原型に基づくAleatoric Uncertainity Quantification (PAU) フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-29T09:41:19Z)
• Dense Out-of-Distribution Detection by Robust Learning on Synthetic Negative Data [1.7474352892977458]
  道路走行シーンとリモートセンシング画像における分布外異常の検出方法を示す。 我々は,カバレッジ指向学習の目的と異なる解像度でサンプルを生成する能力により,共同で訓練された正規化フローを活用する。 結果として得られたモデルは、道路走行シーンとリモートセンシング画像におけるアウト・オブ・ディストリビューション検出のためのベンチマークに、新たな技術状況を設定した。
  論文  参考訳（メタデータ） (2021-12-23T20:35:10Z)
• Where and What? Examining Interpretable Disentangled Representations [96.32813624341833]
  解釈可能なバリエーションの獲得は、長い間、絡み合い学習の目標の1つだった。 独立性の仮定と異なり、解釈性は教師なしの設定での絡み合いを促進するために使われることは滅多にない。 本論文では, 解釈対象と解釈対象の2つの質問について検討し, 離散表現の解釈可能性を検討する。
  論文  参考訳（メタデータ） (2021-04-07T11:22:02Z)

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。