Buchumschlag

Scientific Machine Learning Seismology

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Okazaki, Tomohisa
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Geophysics Machine Learning Computational Physics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Functional-prior-based approaches to Bayesian PDE-constrained inversion using physics-informed neural networks
von: Agata, Ryoichiro, et al.
Veröffentlicht: (2026)

Physics-Informed Linear Model (PILM): Analytical Representations and Application to Crustal Strain Rate Estimation
von: Okazaki, Tomohisa
Veröffentlicht: (2025)

OkadaTorch: A Differentiable Programming of Okada Model to Calculate Displacements and Strains from Fault Parameters
von: Someya, Masayoshi, et al.
Veröffentlicht: (2025)

Physics-Informed Extreme Learning Machine (PIELM) for Tunnelling-Induced Soil-Pile Interactions
von: Guo, Fu-Chen, et al.
Veröffentlicht: (2025)

PDEBENCH: An Extensive Benchmark for Scientific Machine Learning
von: Takamoto, Makoto, et al.
Veröffentlicht: (2022)

Pervasive Label Errors in Seismological Machine Learning Datasets
von: Suarez, Albert Leonardo Aguilar, et al.
Veröffentlicht: (2025)

Toward Routing River Water in Land Surface Models with Recurrent Neural Networks
von: Lima, Mauricio, et al.
Veröffentlicht: (2024)

DiffPINN: Generative diffusion-initialized physics-informed neural networks for accelerating seismic wavefield representation
von: Cheng, Shijun, et al.
Veröffentlicht: (2025)

A finite element-based machine learning model for hydro-mechanical analysis of swelling behavior in clay-sulfate rocks
von: Taherdangkoo, Reza, et al.
Veröffentlicht: (2025)

Enhancing Robustness Of Digital Shadow For CO2 Storage Monitoring With Augmented Rock Physics Modeling
von: Gahlot, Abhinav Prakash, et al.
Veröffentlicht: (2025)

Advancing Geological Carbon Storage Monitoring With 3d Digital Shadow Technology
von: Gahlot, Abhinav Prakash, et al.
Veröffentlicht: (2025)

Least-Squares-Embedded Optimization for Accelerated Convergence of PINNs in Acoustic Wavefield Simulations
von: Abedi, Mohammad Mahdi, et al.
Veröffentlicht: (2025)

Prediction of Effective Elastic Moduli of Rocks using Graph Neural Networks
von: Chung, Jaehong, et al.
Veröffentlicht: (2023)

Microseismic source imaging using physics-informed neural networks with hard constraints
von: Huang, Xinquan, et al.
Veröffentlicht: (2023)

Fourier-DeepONet: Fourier-enhanced deep operator networks for full waveform inversion with improved accuracy, generalizability, and robustness
von: Zhu, Min, et al.
Veröffentlicht: (2023)

Predicting the Geothermal Gradient in Colombia: a Machine Learning Approach
von: Mejía-Fragoso, Juan Camilo, et al.
Veröffentlicht: (2024)

Flood Prediction Using Classical and Quantum Machine Learning Models
von: Grzesiak, Marek, et al.
Veröffentlicht: (2024)

Machine Learning Algorithms for Transplanting Accelerometer Observations in Future Satellite Gravimetry Missions
von: Romeshkani, Mohsen, et al.
Veröffentlicht: (2025)

Hierarchical Testing of a Hybrid Machine Learning-Physics Global Atmosphere Model
von: Chen, Ziming, et al.
Veröffentlicht: (2026)

Fast, Scale-Adaptive, and Uncertainty-Aware Downscaling of Earth System Model Fields with Generative Machine Learning
von: Hess, Philipp, et al.
Veröffentlicht: (2024)

A Machine Learning Framework for Predicting Microphysical Properties of Ice Crystals from Cloud Particle Imagery
von: Ko, Joseph, et al.
Veröffentlicht: (2025)

Extrapolability Improvement of Machine Learning-Based Evapotranspiration Models via Domain-Adversarial Neural Networks
von: Shi, Haiyang
Veröffentlicht: (2024)

Two Memorable Dates in Seismology
von: Guglielmi, Anatol, et al.
Veröffentlicht: (2024)

An uncertainty-aware Digital Shadow for underground multimodal CO2 storage monitoring
von: Gahlot, Abhinav Prakash, et al.
Veröffentlicht: (2024)

Physics-Informed Calibration of Aeromagnetic Compensation in Magnetic Navigation Systems using Liquid Time-Constant Networks
von: Nerrise, Favour, et al.
Veröffentlicht: (2024)

Neural Networks for Predicting Permeability Tensors of 2D Porous Media: Comparison of Convolution- and Transformer-based Architectures
von: Vargdal, Sigurd, et al.
Veröffentlicht: (2025)

Analyzing Koopman approaches to physics-informed machine learning for long-term sea-surface temperature forecasting
von: Rice, Julian, et al.
Veröffentlicht: (2020)

Machine Learning Global Simulation of Nonlocal Gravity Wave Propagation
von: Gupta, Aman, et al.
Veröffentlicht: (2024)

A Review of Cloud Computing in Seismology
von: Ni, Yiyu, et al.
Veröffentlicht: (2025)

Strategic Geosteering Workflow with Uncertainty Quantification and Deep Learning: A Case Study on the Goliat Field
von: Rammay, Muzammil Hussain, et al.
Veröffentlicht: (2022)

Mass Conservation on Rails -- Rethinking Physics-Informed Learning of Ice Flow Vector Fields
von: Bente, Kim, et al.
Veröffentlicht: (2025)

Stochastic full waveform inversion with deep generative prior for uncertainty quantification
von: Xie, Yuke, et al.
Veröffentlicht: (2024)

Distillation and Interpretability of Ensemble Forecasts of ENSO Phase using Entropic Learning
von: Groom, Michael, et al.
Veröffentlicht: (2026)

Deep Learning of Solver-Aware Turbulence Closures from Nudged LES Dynamics
von: Suriyanarayanan, Ashwin, et al.
Veröffentlicht: (2026)

Fast frequency reconstruction using Deep Learning for event recognition in ring laser data
von: Di Somma, Giuseppe, et al.
Veröffentlicht: (2025)

Machine learning enhanced data assimilation framework for multiscale carbonate rock characterization
von: Bo, Zhenkai, et al.
Veröffentlicht: (2026)

Towards Efficient and Stable Ocean State Forecasting: A Continuous-Time Koopman Approach
von: Grozavescu, Rares, et al.
Veröffentlicht: (2026)

Machine learning surrogates for efficient hydrologic modeling: Insights from stochastic simulations of managed aquifer recharge
von: Dai, Timothy, et al.
Veröffentlicht: (2024)

A Unified Framework for Forward and Inverse Problems in Subsurface Imaging using Latent Space Translations
von: Gupta, Naveen, et al.
Veröffentlicht: (2024)

Physically Guided Deep Unsupervised Inversion for 1D Magnetotelluric Models
von: Goyes-Peñafiel, Paul, et al.
Veröffentlicht: (2024)