基于自动微分的全波反演方法及其灵活的工作流程

全波反演（FWI）能够通过迭代最小化观测 seismic 数据与模拟 seismic 数据之间的差异，构建高分辨率的地下模型。然而，对于复杂的波方程、目标函数或正则化条件，其实现方式相当复杂。最近，自动微分（AD）在解决各种反问题（包括 FWI）时显示出有效性。本文提出了开源的基于自动微分的全波反演框架（ADFWI），旨在简化 FWI 中新方法的设计、开发和评估过程。该基于自动微分的框架不仅包含了从各向同性声学到垂直或水平横向各向异性弹性介质中各种波方程的正向建模及其相关梯度计算，还集成了一系列目标函数、正则化技术和优化算法。通过采用最先进的 AD 技术，本框架轻松集成了诸如软动态时间错位和 Wasserstein 距离等在传统 FWI 中难以应用的目标函数。此外，ADFWI 集成了深度学习，通过神经网络实现隐式模型参数化，不仅引入了学习型正则化，还允许通过 dropout 快速估计不确定性。为管理大规模反演中 AD 带来的高内存需求，本框架采用 mini-batch 和 checkpoint 等策略。通过系统评估，我们展示了 ADFWI 的新颖性、实用性和鲁棒性，该框架可用于解决 FWI 中的挑战问题，亦可作为快速实验和新反演策略开发的工作台。