Buchumschlag

GenAI4UQ: A Software for Inverse Uncertainty Quantification Using Conditional Generative Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fan, Ming, Zhang, Zezhong, Lu, Dan, Zhang, Guannan
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Geophysics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Generative Latent Diffusion Model for Inverse Modeling and Uncertainty Analysis in Geological Carbon Sequestration
von: Feng, Zhao, et al.
Veröffentlicht: (2025)

Uncertainty Quantification in Seismic Inversion Through Integrated Importance Sampling and Ensemble Methods
von: Qu, Luping, et al.
Veröffentlicht: (2024)

Physics-Trained Neural Network as Inverse Problem Solver for Potential Fields: An Example of Downward Continuation between Arbitrary Surfaces
von: Sun, Jing, et al.
Veröffentlicht: (2025)

Latent Diffusion Model for Conditional Reservoir Facies Generation
von: Lee, Daesoo, et al.
Veröffentlicht: (2023)

Uncertainty-Driven Modeling of Microporosity and Permeability in Clastic Reservoirs Using Random Forest
von: Risha, Muhammad, 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)

Diffusion-Inversion-Net (DIN): An End-to-End Direct Probabilistic Framework for Characterizing Hydraulic Conductivities and Quantifying Uncertainty
von: Zhang, Xun, et al.
Veröffentlicht: (2025)

Function-Space Decoupled Diffusion for Forward and Inverse Modeling in Carbon Capture and Storage
von: Ju, Xin, et al.
Veröffentlicht: (2026)

Integrating Physics of the Problem into Data-Driven Methods to Enhance Elastic Full-Waveform Inversion with Uncertainty Quantification
von: Negahdari, Vahid, et al.
Veröffentlicht: (2024)

Global River Forecasting with a Topology-Informed AI Foundation Model
von: Ren, Hancheng, et al.
Veröffentlicht: (2026)

A Test-Time Learning Approach to Reparameterize the Geophysical Inverse Problem with a Convolutional Neural Network
von: Xu, Anran, et al.
Veröffentlicht: (2023)

Uncertainties of Satellite-based Essential Climate Variables from Deep Learning
von: Gou, Junyang, et al.
Veröffentlicht: (2024)

Learning Generative Models for Lumped Rainfall-Runoff Modeling
von: Yang, Yang, et al.
Veröffentlicht: (2023)

Learning Physics for Unveiling Hidden Earthquake Ground Motions via Conditional Generative Modeling
von: Ren, Pu, et al.
Veröffentlicht: (2024)

Feature-based Inversion of 2.5D Controlled Source Electromagnetic Data using Generative Priors
von: Zhou, Hongyu, et al.
Veröffentlicht: (2026)

Multimodal Atmospheric Super-Resolution With Deep Generative Models
von: Chakraborty, Dibyajyoti, et al.
Veröffentlicht: (2025)

The Physics-Informed Neural Network Gravity Model: Generation III
von: Martin, John, et al.
Veröffentlicht: (2023)

Seismic Data Interpolation via Denoising Diffusion Implicit Models with Coherence-corrected Resampling
von: Wei, Xiaoli, et al.
Veröffentlicht: (2023)

Automated Classification of Volcanic Earthquakes Using Transformer Encoders: Insights into Data Quality and Model Interpretability
von: Suzuki, Y., et al.
Veröffentlicht: (2025)

Explainable AI for microseismic event detection
von: Abdullin, Ayrat, et al.
Veröffentlicht: (2025)

Differentiable Inverse Modeling with Physics-Constrained Latent Diffusion for Heterogeneous Subsurface Parameter Fields
von: Lin, Zihan, et al.
Veröffentlicht: (2025)

Thermal Earth Model for the Conterminous United States Using an Interpolative Physics-Informed Graph Neural Network (InterPIGNN)
von: Aljubran, Mohammad J., et al.
Veröffentlicht: (2024)

Conditional Image Prior for Uncertainty Quantification in Full Waveform Inversion
von: Yang, Lingyun, et al.
Veröffentlicht: (2024)

Turkey's Earthquakes: Damage Prediction and Feature Significance Using A Multivariate Analysis
von: Shah, Shrey, et al.
Veröffentlicht: (2024)

RED-DiffEq: Regularization by denoising diffusion models for solving inverse PDE problems with application to full waveform inversion
von: Shan, Siming, et al.
Veröffentlicht: (2025)

Explainable AI models for predicting liquefaction-induced lateral spreading
von: Hsiao, Cheng-Hsi, et al.
Veröffentlicht: (2024)

SAGE: Subsurface AI-driven Geostatistical Extraction with proxy posterior
von: Erdinc, Huseyin Tuna, et al.
Veröffentlicht: (2026)

Investigating the effect of CPT in lateral spreading prediction using Explainable AI
von: Hsiao, Cheng-Hsi, et al.
Veröffentlicht: (2025)

HydroAgent: Closing the Gap Between Frontier LLMs and Human Experts in Hydrologic Model Calibration via Simulator-Grounded RL
von: Li, Zhi, et al.
Veröffentlicht: (2026)

Broadband Ground Motion Synthesis by Diffusion Model with Minimal Condition
von: Jung, Jaeheun, et al.
Veröffentlicht: (2024)

Sensoformer: Robust Sim-to-Real Inference on Variable-Geometry Sensor Sets via Physics-Structured Randomization
von: Jia, Zhe, et al.
Veröffentlicht: (2026)

Bayesian geoacoustic inversion using mixture density network
von: Wu, Guoli, et al.
Veröffentlicht: (2020)

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

Enhanced 3D Gravity Inversion Using ResU-Net with Density Logging Constraints: A Dual-Phase Training Approach
von: Dong, Siyuan, et al.
Veröffentlicht: (2026)

Evaluation of Seismic Artificial Intelligence with Uncertainty
von: Myren, Samuel, et al.
Veröffentlicht: (2025)

Parameter-Efficient Transfer Learning for Microseismic Phase Picking Using a Neural Operator
von: Abdullin, Ayrat, et al.
Veröffentlicht: (2025)

Multi-Constitutive Neural Network for Large Deformation Poromechanics Problem
von: Zhang, Qi, et al.
Veröffentlicht: (2020)

Well Log-Guided Synthesis of Subsurface Images from Sparse Petrography Data Using cGANs
von: Sadeghkhani, Ali, et al.
Veröffentlicht: (2026)

Data-Driven and Theory-Guided Pseudo-Spectral Seismic Imaging Using Deep Neural Network Architectures
von: Zerafa, Christopher
Veröffentlicht: (2025)

EFKAN: A KAN-Integrated Neural Operator For Efficient Magnetotelluric Forward Modeling
von: Wang, Feng, et al.
Veröffentlicht: (2025)