 Открытый доступ
		Открытый доступ 
		 Доступ предоставлен
		Доступ предоставлен 
		 Только для подписчиков
					Только для подписчиков
			Том 65, № 8 (2025)
ОБЩИЕ ЧИСЛЕННЫЕ МЕТОДЫ
СПЕКТРАЛЬНЫЕ МЕТОДЫ И КВАДРАТУРЫ
Аннотация
 1303–1317
				
					1303–1317
				
						 
			
				 
				
			
		ОПТИМАЛЬНОЕ УПРАВЛЕНИЕ
Управляемость линейной стационарной системы при ограниченной норме управления
Аннотация
 1318–1327
				
					1318–1327
				
						 
			
				 
				
			
		УРАВНЕНИЯ В ЧАСТНЫХ ПРОИЗВОДНЫХ
О глобальной во времени разрешимости одной задачи Коши для нелинейного уравнения составного типа тепло-электрической модели
Аннотация
 1328-1350
				
					1328-1350
				
						 
			
				 
				
			
		 1351-1372
				
					1351-1372
				
						 
			
				 
				
			
		МАТЕМАТИЧЕСКАЯ ФИЗИКА
RANS моделирование сверхзвукового обтекания цилиндра, закрепленного между параллельными пластинами
Аннотация
 1373–1386
				
					1373–1386
				
						 
			
				 
				
			
		О сохранении сферической симметрии на сферической сетке в декартовой системе координат при расчете газодинамических течений эйлеровыми конечно-объемными схемами
Аннотация
 1387–1396
				
					1387–1396
				
						 
			
				 
				
			
		Об одновременном определении коэффициента теплопроводности и объёмной теплоёмкости вещества в трёхмерном случае
Аннотация
 1397-1407
				
					1397-1407
				
						 
			
				 
				
			
		Решение контактной задачи между упругим телом и жестким основанием, покрытым слоем деформируемого материала
Аннотация
 1408–1422
				
					1408–1422
				
						 
			
				 
				
			
		Невязкая неустойчивость пограничного слоя над податливой поверхностью при сверхзвуковых скоростях набегающего потока
Аннотация
 1423–1435
				
					1423–1435
				
						 
			
				 
				
			
		Законы симметрии динамических процессов в средах с пленками
Аннотация
 1436–1442
				
					1436–1442
				
						 
			
				 
				
			
		ИНФОРМАТИКА
О сложности реализации логических процедур классификации по прецедентам
Аннотация
 1443–1450
				
					1443–1450
				
						 
			
				 
				
			
		ИНВЕРСИЯ ФОРМЫ АКУСТИЧЕСКОГО СИГНАЛА С ПОМОЩЬЮ МОСТОВ ШРЁДИНГЕРА ОТ ИЗОБРАЖЕНИЯ К ИЗОБРАЖЕНИЮ
Аннотация
Последние разработки в области применения моделей глубокого обучения к акустической полноволновой инверсии (Full Waveform Inversion, FWI) отмечены использованием диффузионных моделей в качестве априорных распределений для процедур вывода байесовского типа. Преимуществом этих методов является возможность генерировать выборки высокого разрешения, которые никак недостижимы в случае классических методов инверсии или других основанных на глубоком обучении решений. Однако итеративный и стохастический характер выборки из диффузионных моделей наряду с эвристическим характером выходного управления все еще ограничивают их применимость. Например, остается неясным оптимальный способ включения приближенной скоростной модели в схему инверсии на основе диффузии, даже несмотря на то, что она считается неотъемлемой частью конвейера FWI. Для решения этой задачи используется мост Шрёдингера, который осуществляет интерполяцию между распределениями эталонных данных и сглаженными скоростными моделями. Таким образом, процесс вывода, начинающийся с приближенной скоростной модели, гарантированно приходит за конечное время к выборке из распределения эталонных скоростных моделей. Чтобы облегчить изучение нелинейных дрейфов, которые передают выборки между распределениями, и обеспечить контролируемый вывод с учетом сейсмических данных, концепция моста Шрёдингера от изображения к изображению (I2SB) расширяется до условной выборки, что приводит к условной концепции моста Шрёдингера от изображения к изображению (cI2SB) для акустической инверсии. Для обоснования метода оценивается его эффективность при реконструкции эталонной скоростной модели по ее сглаженной аппроксимации наряду с наблюдаемым сейсмическим сигналом фиксированной формы. Эксперименты показывают, что предлагаемое решение превосходит повторную реализацию модели условной диффузии, предложенной авторами в предыдущих работах, при этом для достижения точности выборки, превосходящей ту, которая достигается с помощью подхода, основанного на контролируемом обучении, требуется лишь несколько оценок нейронной функции (NFE). Дополнительный код, реализующий алгоритмы, описанные в данной статье, можно найти в репозитории https://github.com/stankevichmipt/seismic_inversion_via_I2SB
 1451–1466
				
					1451–1466
				
						 
			
				 
				
			
		 
						 
						 
						 
					 
						 
									



