Nonintrusive reduced basis approximation to the solution of the Helmholtz equation: The magnetotellurics case
Notice bibliographique
Résumé
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».