MétaCan
Menu
Retour à la cohorte
Enregistrement W4407740814 · doi:10.1190/geo2024-0594.1

Nonintrusive reduced basis approximation to the solution of the Helmholtz equation: The magnetotellurics case

2025· article· en· W4407740814 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueGeophysics · 2025
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueModel Reduction and Neural Networks
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMagnetotelluricsHelmholtz equationBasis (linear algebra)GeologyHelmholtz free energyBasis functionMathematical analysisGeophysicsMathematicsPhysicsElectrical resistivity and conductivityGeometryThermodynamics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Electromagnetic wave propagation is commonly modeled using the Helmholtz partial differential equation, which plays a significant role in geophysical studies, such as magnetotellurics forward modeling. Although analytical solutions exist for layered media, most geophysical applications depend on numerical finite-difference, finite-element, or finite-volume solvers. These traditional methods are computationally demanding, particularly for large-scale problems and workflows that require repeated evaluations, such as real-time or probabilistic inversions. Reduced basis (RB) techniques have been developed to accelerate finite-element solvers by reducing the stiffness matrix and nodal forces vector size. However, these methods rely on explicit access to the stiffness matrix, which can limit their applicability. We present a nonintrusive data-driven approach, adapted for the first time to magnetotellurics forward modeling, that eliminates the need for explicit stiffness matrix availability and is compatible with various numerical solvers. Using a predefined parameter domain, we construct a snapshot matrix from high-fidelity solutions generated for a subset of model parameters. Proper orthogonal decomposition is then applied to extract RB, and a neural network is trained to map the model space to the reduced coefficient space. This enables rapid evaluation of the Helmholtz equation, achieving a speed-up of four orders of magnitude compared with traditional solvers, with average median errors of 9% transverse magnetic (TM) mode and 2% transverse electric (TE) mode. Further accuracy improvements are achieved by incorporating a minimal set of high-fidelity observations and leveraging the fast evaluation to regularize an inverse problem, reducing errors to 2% for the TM mode and 1.5% for the TE mode. These results highlight this approach’s potential to dramatically decrease computational costs while maintaining accuracy, making it a flexible and scalable tool for efficient geophysical forward evaluations.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,575
Score d'incertitude au seuil0,354

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,241
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle