ElasWave3D: A GPU-accelerated 3D finite-difference elastic wave solver for complex topography using irregular subdomain index arrays
Notice bibliographique
Résumé
Simulating seismic wave propagation in complex geological structures is a challenging task in exploration geophysics, especially in foothill regions characterized by rough topography, irregular bedrock interfaces, low-velocity surface sediments, and significant heterogeneities. Although existing numerical methods can address such scenarios, they often require highly refined grids that lead to elevated computational costs. To addres this, we introduce ElasWave3D, a three-dimensional solver based on the finite difference method for elastic wave propagation in the presence of irregular topography, specifically designed for GPU acceleration. The solver employs a novel Irregular Subdomain Index Array (ISIA) strategy to implement the parameter-modified (PM) formulation, thus enforcing the free-surface condition for arbitrary topographic variations. We validated ElasWave3D against the well-known SPECFEM3D solver in scenarios with rough topography and heterogeneous media, observing misfit errors below 1% and correlation values exceeding 99% in most cases. Additionally, our solver achieves more than an order-of-magnitude speedup (13×) over its CPU-OpenMP implementation on 24 cores. Consequently, ElasWave3D enables cost-effective, realistic, and detailed simulations of near-surface seismic scattering in heterogeneous Earth models with irregular topography.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».