高对比介质中波散射图的混合算子学习
信号处理
2026-02-13 v1 人工智能
计算机视觉与模式识别
摘要
对各向异性介质中波传播和散射（即波速和源到波场映射）的代理建模在 seismic 成像和反演等应用中具有重要潜力。高对比设置（如含盐体的地下模型） exhibit strong scattering 和 phase sensitivity，这对现有的神经算子构成挑战。我们提出了一种混合架构，将散射算子分解为两个独立贡献：平滑背景传播和高对比散射校正。平滑组件使用傅里叶神经算子 (FNO) 学习，产生全局耦合的特征 token，用于编码背景波传播；这些 token 随后传递给视觉转换器，在其中注意力用于建模由强烈空间相互作用主导的高对比散射校正。在高频 Helmholtz 问题上进行评估，具有强烈对比的混合模型相较于独立的 FNO 或转换器，在相位和�幅精度上显著提升，同时在准确率-参数比例上表现优越。
引用
@article{arxiv.2602.11197,
title = {Hybrid operator learning of wave scattering maps in high-contrast media},
author = {Advait Balaji and Trevor Teolis and S. David Mis and Jose Antonio Lara Benitez and Chao Wang and Maarten V. de Hoop},
journal= {arXiv preprint arXiv:2602.11197},
year = {2026}
}