LitMod3D_4inv: Multi-observable and multi-scale geophysical inversions for the physical state of the Earth.
Notice bibliographique
Résumé
<p>Characterising the physical state of the Earth's interior with high resolution requires the joint inversion of complementary geophysical datasets. LitMod3D_4inv is a method/software that allows regional and continental scale joint inversions within a probabilistic framework for the 3D thermochemical structure of the lithosphere and upper mantle. The software can simultaneously invert gravity anomalies, geoid height, gravity gradients, Love and Rayleigh surface-wave dispersion curves, receiver functions, body-wave travel times, surface heat flow, absolute elevation and magnetotelluric data, or any combination of them. The result is a collection of Earth models (a probabilistic distribution) with exceptional explicative power and robust estimates for uncertainties.</p><p>We use equations of state and Gibbs free energy minimisation routines to produce self-consistent sets of the seismic velocities, densities, and other properties from the actual parameters (unknowns) of the inversion – mantle chemical compositions, thermal profiles, and properties of the crustal layers (thickness, reference densities, Vp/Vs). The code relies on highly-optimised solvers for gravity, seismic, and magnetotelluric forward problems and multi-level hybrid parallel architecture to make use of multiple interacting markov chains. The modular structure of the code allows for extending the set of solvers to include new observables or to implement new Markov chain Monte Carlo algorithms.</p><p>In this presentation we will discuss recent developments in the LitMod3D_4inv suite and illustrate their performance with real examples in eastern Canada, in southern and central Africa, and north eastern Australia.</p>
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».