12313 字
62 分钟
AI每周总结-地球物理(2026-W39)

AI每周总结 · 地球物理(2026-W39:2026-09-21 ~ 2026-09-27)#

  • 📌 分类口径(本期起生效):AI/地球物理 = 以深度学习/机器学习/神经网络/生成模型/强化学习等为核心创新;传统方法 = 以物理/数学/数值/信号处理/反演/成像/层析等为核心,不以 DL/ML 为主要创新(AI 仅作辅助,或 ML 框架仅作计算工具、无学习组件)。

一、本周概览#

项值
覆盖区间2026-09-21 ~ 2026-09-27(2026-W39)
日报份数5(09-21、09-22、09-23、09-24、09-25〔v1+v2〕)
主榜单条位60 条位(09-25 双版本贡献 20 条)
去重后独立条目约 57 条(3 条为跨期重复命中:SDI、ES-MDA-A2、HFNO)
两类分布(条位)AI/地球物理 39 / 传统方法 21;传统方法密度在 09-25 v2(期刊侧扫描日)达到峰值(7/10)
⭐ 本周最大事件连续 8 天的 HPC 缺口在 09-22 终结,且形态从”系统/工作流”演化到”算法并行化”再到”内存/显存工程”——注意:本周 HPC 增量大部分落在传统方法线
⭐ 本周第二条主线评测口径/可复现性从单条警示升级为当日主线(09-25 SPBench + v2 独立佐证)——AI 线的内部清算
可复现资产GRADSOLVE(GitHub,MIT,传统/可微)、TorchFDTD(论文,传统/HPC)、SPBench(地址已确证但页面 404,AI)、PINN Atlas / SVGDFWI(延续上周)
开源地震栈Devito / SPECFEM3D / SeisSol 全周无新 release(本系列连续多期确认)
来源结构翻转09-25 v2 首次由期刊侧反超:10 条中 8 条来自正式期刊(Geophysics×2、Frontiers in Earth Science×2、Applied Geophysics×3、Earthquake Science×1),原因是 issn: 区间扫描命中了 cat: 覆盖不到的期刊——期刊侧同时是传统方法条目的主要来源

二、本周主线(跨日归并,8 条;每条标注所涉类别)#

主线 1 ·【传统方法·HPC】⭐ HPC 缺口的终结,以及它的三段式演化#

这是本周(也是本系列)最重要的结构变化。前 6 天(09-15 ~ 09-21)持续记录”HPC 侧无系统/方法学产出”,09-21 甚至建议把 HPC 源检查降频为每周一次。本周发生了清晰的三段演化:

阶段日期代表条目类别形态关键数字
① 系统/工作流09-22 #1资源采集式 HPC 工作流(arXiv 2609.22814,已被第八届 Interactive and Urgent HPC 研讨会接收)传统(HPC 系统,NN 为工作流组件)算力时间维度复用:平时空闲算力建 NN 训练集,震时切换到”NN 反演 + 物理模拟 + 动态加密”能耗 −76%、吞吐 3.7×、应急成本 −97.9%、震后 30 分钟出图(⚠️ 全部为摘要自述)
② 算法并行化09-23 #2分布式近端 SVGD 走时层析(arXiv 2609.26653)传统(贝叶斯数值反演;SVGD 无神经网络)共识型 ADMM + worker 内 SVGD,用 Woodbury 恒等式导出数据空间 GN 更新;声称无需显式构造大规模敏感矩阵⚠️ “降低 3D 内存占用”为定性表述,无倍数
③ 内存/显存工程09-24 #1/#4、09-25 #3/#4MENO、Kokkos FE 核、TorchFDTD、Diff-NekRS、GRADSOLVE、“Beyond Compression”AI 1 条(MENO)+ 传统 4 条显存与分辨率解耦 / 性能由装配如何映射到存储层次决定 / 全局状态与 checkpoint 换出主机内存TorchFDTD:2.7–3.1× 时间换 56%–65% 峰值显存,离散格式不变;稀疏 FFT:2.9–11.6× 显存收益

本周形成的核心判断:大型 3D 地震计算的约束条件是内存,不是 FLOPs。 本周共有 6 条以上独立来源指向同一结论,足以作为内部架构选型的硬约束写入。

第二条判据:融合 CUDA 核与自动微分不兼容被两条独立来源点名——TorchFDTD(光子 FDTD)与 Diff-NekRS(不可压 CFD,Argonne,1020 MPI ranks)都选择手工实现精确离散伴随而非让 AD 穿透核函数,并分别用”与中心差分相差 0.78%“和”端到端 Taylor 检验”验证。Diff-NekRS 的措辞尤其关键:对”完全离散的时间步”求导(discretize-then-optimize)。结论:只要正演有手写 CUDA 核,就别指望 AD,必须准备转置核。

⚠️ 但必须清醒:三个开源地震栈仍无新 release。HPC 增量来自研究方法侧,而非开源工具侧——短期只能靠自己实现论文中的并行架构。

主线 2 ·【AI/地球物理】⭐ 评测口径与可复现性:本周从”某条警示”升级为”当日主线”#

  • 09-21 #4 PosteriorBench(arXiv 2609.20794):用拒绝采样/MCMC 造参考后验,一次给出 5 项分布匹配指标,并开源代码。其自陈结论”当前解法普遍存在显著后验匹配差距”,是对 09-19/09-20 那批扩散先验 FWI 工作最直接的一次压力测试。
  • 09-21 #5:把去噪评价从波形误差延伸到下游任务(检测率、到时拾取、初动极性),并做分布外测试。
  • 09-25 #1 SPBench(arXiv 2609.28925):审计 368 篇论文发现仅 25 篇公开代码,并给出**“合成排名不能可靠预测实测排名”**的实测结论。
  • 09-25 v2 #2 泄漏感知全剖面评估 + 半监督地震相分割(10.3389/feart.2026.1910345):用 F3 / Parihaka 两个公开数据集独立证明**“架构差异小于随机种子差异”,并把泄漏来源精确定位到”重叠 patch 的随机切分”**。
  • 09-23 #3 / #6:成本—精度失效边界;全局指标在带外尾部偏移处可能系统性误导。
  • 09-25 #2 独立佐证:Applied Sciences 的 operator-budget 工作指出等优化步数比较会掩盖采样提议的额外残差开销。

行动结论(两条独立来源一致且可执行):先修评测协议(整剖面切分 + buffer gap + 多种子),再谈架构创新。

主线 3 ·【AI/地球物理】扩散 × FWI:从”后验采样/正则化”推进到”工序级替代”,并拿到实测泛化证据#

本系列自 09-15 起跟踪该簇(PSG 后验采样 → SVGDFWI 粒子变分 → GPR 扩散正则化 → 本周 #1 深度渐进 VMB)。本周的位置变化在于:

  • 09-23 #1 Shallow-to-deep VMB via diffusion(Part I + Part II)(arXiv 2609.26454 / 2609.26482):不再把扩散当正则化或采样器,而是直接替代”速度模型建立”这道工序。Part II 用”迁移派生属性 + 层析背景 + 稀疏井”这套真实可得的条件组合,在实测数据上完成闭环(⚠️ KAUST 为推断,代码/数据/同行评议状态未验证)。
  • 09-25 #2 HFNO(10.1016/j.jappgeo.2026.106528)—— 见”主线 4”。

判断:若 09-23 #1 的结论成立,这是本系列跟踪以来该方向最接近可落地的一次。

主线 4 ·【AI/地球物理】神经算子的”边界”被系统性界定,且首次拿到可量化的正演加速#

四条独立证据构成完整的三角:

维度条目结论
成本—精度失效边界09-23 #3(arXiv 2609.24021)在刻意对神经算子有利的设定下(训练成本完全摊销),仍存在经典求解器胜出的区间
OOD 可审计诊断09-23 #6(arXiv 2609.23529)能量范数误差分解为”模型谱近似项”与”输入分布谱加权项”,诊断量无需真值即可计算
价值重定位09-24 #3(arXiv 2609.24947)核心论点:神经算子不需要准,只需要把优化放进正确的解盆地;用 Allen-Cahn 展示”残差很小但收敛到错误分支”——与 FWI 的 cycle skipping 是同一命题的两种语言
长时程稳定性 + 梯度一致性09-25 #5(arXiv 2609.30198)、09-25 v2 KATOsuper改善长 rollout 稳定性会让常规训练指标变差;预测梯度必须与预测目标场自洽,否则基于梯度的优化不稳定

正面证据:09-24 #2 / 09-25 #2 HFNO(10.1016/j.jappgeo.2026.106528,CNPC + 吉林大学)。09-24 期只拿到 DOI/作者/机构(无摘要),09-25 期通过 OpenAlex 直查取到完整摘要,首次拿到量化结果:

  • 方法:标准 FNO 在谱处理中截断高频模式 → 增设专用高频 Fourier 分支做显式频段选择;另提出时权因果损失把声波传播的因果性嵌入训练目标。
  • 数据:三个地质复杂度递增的基准,最难一档为 SEG-Combined(SEG/EAGE Salt + Overthrust 拼合)。
  • 量化:三数据集上 HER(高频能量比误差)全部最低;相对标准 FNO 基线最多降低 HER 误差 33%;CPU 单次正演 1.34 s、相对同硬件 Devito 有限差分 3× 加速;GPU 0.0094 s/次。
  • ⚠️ 日期口径:OpenAlex publication_date = 2026-09-18;Crossref created = 2026-09-18;Crossref published = 2026-12(卷期归属月)。这是本系列 11 期以来唯一一条同时满足「神经算子 + 三维地震正演 + 中文单位 + 有量化加速比」的条目。

主线 5 ·【AI 为主,1 条传统】贝叶斯/概率反演:机制库扩到第六、七种,并开始”分布式化”#

  • 机制累积(AI 线):扩散后验采样 → INN → HMC → 神经似然 HMC → SVGD → B-BiLo(09-22 #3)。
  • 分布式化(传统线):共识 ADMM + SVGD(09-23 #2)。
  • 09-22 #3 B-BiLo(10.1038/s41467-026-77768-7):上层 HMC 采样参数 + 下层 LoRA 近似解算子,显式宣称”无需合成数据、无需伴随方程”,并给出下层近似误差对后验精度的影响分析。⚠️ 但实验只有肿瘤生长等扩散型 PDE,恰恰避开了 PINN Atlas 指出的难点区(双曲型/波动)。
  • 09-24 #6 DispSAC(EarthArXiv 10.31223/x5mj75):策略集成派——用 RL 策略的多次初始化离散度描述解的变异性。⚠️ 优势是成本,缺口是它不等于后验。本系列立场:可作稳定性扫描,不应作为 UQ 交付物。
  • 09-25 v2 #5 GRADSOLVE(arXiv 2609.28458,代码 github.com/ECLIPSE-AI4Science/gradsolve,MIT,27 stars):JAX + 线程级 ensemble 并行。可微 HPC 三条路线至此完整成型(均为传统/可微线):PyTorch + 手写核 + 离散伴随(TorchFDTD);MPI 千核求解器在环(Diff-NekRS);JAX + 线程级 ensemble 并行(GRADSOLVE)。共同点:都不是靠通用 AD 直接套在正演上。

主线 6 ·【AI/地球物理】LLM / Agentic 地球物理:从”闭源宣示”走向”有细节可评”,但仍无与传统方法的定量对比#

  • 09-17 #1 Agentic FWI(跨周)—— 至今摘要与全文均不可得,跨期 ≥ 3 期悬置。
  • 09-22 #4 VLM 视觉地震学(Research Square rs-10830064):把波形渲染成无损图像喂给 VLM 做 P/S 到时拾取,提出注视点式(foveated)多阶段缩放与形态学弃权协议,并命名了两个失效模式(compliance bias 顺从偏差、text-scalar decoupling 文本-标量解耦)。⚠️ 预印本未审稿,无与传统拾取器的定量对比。
  • 09-23 #4(10.1029/2026JH001578):把台站坐标、P 波到时、峰值地速直接喂给 TinyLlama + LoRA 输出震级/位置/发震时刻,显式声明”不需要速度模型”,并与 INGV 业务化自动方法对照——本系列第一条带业务系统对照基线的 LLM 地震学工作。⚠️ 明确报告”加 S 波收益不足以抵消延迟”。
  • 09-25 v2 另有 LLM Agent + XGBoost 液化评估(完整数据流与量化指标)。

判断:Agentic/多模态地球物理 已从”存在性信号”升级为”有细节可评”,但仍无任何一条给出与传统方法的定量对比。值得注意的是 TinyLlama + LoRA 与 09-19 的 XiaoNet(240 KB) 同属”小模型 + 轻量微调”路线——这条线比”接一个大 LLM”更可能先落地到台站侧。

主线 7 ·【传统方法】传统数值方法在本周集中回归#

09-25 v2 的十席中有四条是非 AI 的数值方法,且都直接服务 FWI/层析的底座:

条目类别细分服务对象
混合地形相关 eikonal 求解器(10.1190/geo-2025-0302)传统(走时计算)FWI 初始模型 / 层析
多尺度并行时间步进三维时域电磁模拟(10.1190/geo-2025-0182)传统(正演并行)正演并行
双曲 Radon 域分块自适应阈值 FISTA(10.1007/s11770-026-1616-6)传统(信号处理/去噪)去噪 baseline
Kalman 后续波至速度-反射界面同时走时反演(10.1007/s11770-026-1547-2)传统(反演)初值构建

另加 09-25 v1 #8(GPR FWI 稳定初始模型构建,10.1007/s11770-026-1617-5,传统)。

与主线 1 形成互补:HPC 侧在解决”算得起”,本轮传统方法在解决”算得准、起得来”。

主线 8 ·【AI/地球物理·中文团队】中文团队产出密度高,但集中在应用侧且代码基本不公开#

本周参与的中文单位(据日报摘录):SPBench:北大 + 哈工大;HFNO:CNPC + 吉林大学;PINNForge:南开 + 华东师大;GMD 矿产 UQ:地大武汉;3D-DCTU:浙大海洋学院 + CNPC;DFRSeisNet:成都理工大学 + 东方地球物理 BGP;多尺度逐步学习网络:RIPED + BGP(四川盆地 7 口盲井);神经核函数:中国地质大学(北京);Applied Geophysics 系列:成都大学 / 西南交大 / 中南大学;eDWI / IFWI:中国海洋大学(跨周)。

共同特点:数据实测、指标具体、但代码基本不公开。 本周 60 条位中仅 GRADSOLVE(传统/可微)与延伸观察候选 FrFNO 提供了可访问代码链接。


三、本周精选 Top 10(AI/地球物理 6 条 + 传统方法 4 条,整体按相关性排序)#

配比说明:本周原 Top 15 经新口径归类后,AI/地球物理 11 条、传统方法 4 条。按”AI 6 + 传统 4”配比重排为 Top 10;移出主榜的 5 条(B-BiLo、basin 选择、VLM、Kokkos、TinyLlama↔INGV)进入提名区并标注类别。降级理由:B-BiLo 实验仅覆盖扩散型 PDE(避开了波动方程难点);VLM 与 TinyLlama 属地震监测应用侧、且无与传统方法的定量对比;Kokkos 与 TorchFDTD/GRADSOLVE 同属”内存/HPC”证据链,保留代表性最强的两条;basin 选择为观点性论据(Allen-Cahn 演示),已并入主线 4 表述。这 5 条的完整信息仍在提名区与主线中,无信息损失。

1. ⭐ 从空闲到紧急:面向高保真地震估计的资源采集式 HPC 工作流#

  • 类别:传统方法(HPC 系统/工作流;NN 反演为工作流组件,核心创新在算力时间复用架构)
  • 作者/团队:机构为二手信源交叉确认(⚠️)
  • 链接:arXiv 2609.22814 · https://arxiv.org/abs/2609.22814 ·〔09-22 #1〕·已被第八届 Interactive and Urgent HPC 研讨会接收
  • 方法:两个专用 kernel + 资源采集(resource harvesting) + 紧急切换机制——把平时空闲算力用于构建 NN 训练集,震时切换为”NN 反演 + 物理模拟 + 动态加密”的应急模式。这是算力时间复用的完整系统架构,不只是加速技巧。
  • 数据/规模:震后高保真成像场景(⚠️ 硬件规模未披露)。
  • 量化:能耗 −76%;吞吐 3.7×;应急成本 −97.9%;震后 30 分钟出图。
  • 代码:未声明(⚠️)。
  • 对本项目的启发:本系列自 09-15 以来第一条”真 HPC”条目,同时命中”面向地震 + HPC 系统层方法学 + 完整量化账”三要件。若项目内有震后快速成像/应急响应场景,这是可直接对标的工作流架构。
  • 验证状态:⚠️ 全部数字为摘要自述;两个 kernel 的设计未展开;30 分钟对应的硬件规模未披露;必须读全文后再引用任何数字。

2. ⭐ SPBench:面向勘探地震处理的多任务评测基准#

  • 类别:AI/地球物理(ML 方法评测基准)
  • 作者/团队:北京大学 + 哈尔滨工业大学(据日报摘录)
  • 链接:arXiv 2609.28925(v1,提交 2026-09-24)· https://arxiv.org/abs/2609.28925 ·〔09-25 #1〕
  • 方法/结论:审计 368 篇论文,发现仅 25 篇公开代码;给出**“合成数据上的排名不能可靠预测实测数据上的排名”**的实测结论。
  • 数据:多任务勘探地震处理基准(详见论文)。
  • 可复现性:⚠️ 项目页 404。地址 https://seismicprocessingbenchmark.github.io/SPBench/ 由论文 HTML 全文图注确证(可信),但页面尚未上线;arXiv 摘要页与 HTML 全文均无仓库地址。
  • 对本项目的启发:本周动摇了”在合成数据上刷点即代表方法更好”这一默认前提。与 W41 期的 GeoFWI3D 互补:SPBench 说”评测不规范”,GeoFWI3D 提供”可以用来规范评测的东西”。
  • 验证状态:✅ arXiv 元数据与图注核验;⚠️ 项目页 404,需人工每周复查——这是所有基于 SPBench 的行动建议能否落地的前提。

3. ⭐ 由浅到深的扩散式速度模型建立(Part I 方法 + Part II 真实场景)#

  • 类别:AI/地球物理(扩散生成模型;深度渐进生成顺序)
  • 作者/团队:⚠️ KAUST 为单位推断
  • 链接:arXiv 2609.26454 / 2609.26482(提交 2026-09-22)· https://arxiv.org/abs/2609.26454 / https://arxiv.org/abs/2609.26482 ·〔09-23 #1〕
  • 方法:深度渐进(depth-progressive)生成式 VMB——显式利用”深部信息依赖浅部”这一地表观测的固有因果结构,把层剥离(layer stripping)思想嵌入扩散模型的生成顺序;直接替代”速度模型建立”这道工序,而非作为正则化或采样器。
  • 数据:Part II 用”迁移派生属性 + 层析背景 + 稀疏井”这套真实可得的条件组合,在实测数据上闭环;自陈”合成数据训练 → 实测泛化,合成响应与实际观测高度吻合”。
  • 代码:未验证(⚠️)。
  • 对本项目的启发:本系列首次拿到”扩散先验在实测 VMB 上不崩”的可引用证据。 若结论成立,这是该方向最接近可落地的一次。建议作为该簇的首选复现目标。
  • 验证状态:⚠️ 机构、DOI、代码、数据集明细、同行评议状态均未验证;性能结论仅为定性自述。

4. ⭐ HFNO:高低频协同傅里叶神经算子用于三维声波场正演#

  • 类别:AI/地球物理(神经算子正演代理)
  • 作者/团队:Pengyuan Sun(CNPC)、Puyi Hou(吉林大学)、Ye Lin(吉林大学)
  • 链接:Journal of Applied Geophysics · https://doi.org/10.1016/j.jappgeo.2026.106528 ·〔09-24 #2 → 09-25 #2 升级〕
  • 方法:标准 FNO 在谱处理中截断高频模式 → 增设专用高频 Fourier 分支做显式频段选择以覆盖低频分支丢弃的谱区,形成双路互补;另提出时权因果损失把声波传播的因果性嵌入训练目标。
  • 数据:三个地质复杂度递增的基准,最难一档为 SEG-Combined(SEG/EAGE Salt + Overthrust 拼合)。
  • 量化:HER(高频能量比误差)全部最低;相对标准 FNO 基线最多降低 HER 误差 33%;CPU 单次正演 1.34 s、相对同硬件 Devito 有限差分 3× 加速;GPU 0.0094 s/次。
  • 代码:未声明(⚠️)。
  • 对本项目的启发:本系列 11 期以来唯一同时满足「神经算子 + 三维地震正演 + 中文单位 + 有量化加速比」的条目,可直接作为”神经算子做正演代理”的立项与验收参照。
  • 验证状态:✅ DOI/作者/机构/日期三方交叉(OpenAlex publication_date 2026-09-18;Crossref created 2026-09-18;Crossref published 2026-12 为卷期归属月);✅ 摘要经 OpenAlex DOI 直查取得;⚠️ 代码未声明。

5. 分布式近端 Stein 变分梯度下降(SVGD)做大规模走时层析贝叶斯推断#

  • 类别:传统方法(贝叶斯数值反演 + 分布式并行;SVGD 无神经网络)
  • 作者/团队:⚠️ 机构(德黑兰大学 / Georgia Tech)为推断
  • 链接:arXiv 2609.26653(提交 2026-09-22 16:20:25 UTC)· https://arxiv.org/abs/2609.26653 ·〔09-23 #2〕
  • 方法:把全局走时层析重铸为共识型 ADMM,SVGD 放进 ADMM worker 内部,用 Woodbury 恒等式导出数据空间 Gauss-Newton 更新;明确以”消除大规模敏感矩阵、降低 3D 内存占用”为目标。
  • 数据:大规模走时层析(具体数据集未验证)。
  • 代码:未声明(⚠️)。
  • 对本项目的启发:同时命中 HPC 与贝叶斯两条主线。它与 09-22 #1 合起来第一次勾出”地震反演的 HPC 化”的两个层次:算力时间复用(系统层)与算法并行化(算法层)。
  • 验证状态:⚠️ 机构、代码、数据集、“降低内存占用”的量化倍数全部未验证。

6. TorchFDTD:带离散伴随与主机流式执行的 GPU 加速 FDTD#

  • 类别:传统方法(数值/HPC;无学习组件)
  • 作者/团队:arXiv 著录(光子学 FDTD,非地震,迁移需自行验证)
  • 链接:arXiv 2609.30039(提交 2026-09-24 16:07:07 UTC;physics.optics + physics.comp-ph;26 页 13 图)· https://arxiv.org/abs/2609.30039 ·〔09-25 #3〕
  • 方法:把全局状态与 checkpoint 换出到主机内存,用时间换显存;手工实现精确离散伴随而非让 AD 穿透核函数,用”与中心差分相差 0.78%“验证。
  • 量化:2.7–3.1× 时间换 56%–65% 峰值显存下降,且离散化格式不变。
  • 代码:未声明(⚠️)。
  • 对本项目的启发:本周”显存第三条路径”中工程上最可直接抄的一条——不改格式、不改数值方法,纯粹做状态流式化。若项目正受 3D FD 显存限制,这条优先级最高。
  • 验证状态:✅ arXiv 元数据核验;⚠️ 领域为光子学 FDTD。

7. MENO:显存高效神经算子#

  • 类别:AI/地球物理(神经算子架构)
  • 作者/团队:⚠️ 机构未验证
  • 链接:arXiv 2609.27739(提交 2026-09-23 11:54:03 UTC)· https://arxiv.org/abs/2609.27739 ·〔09-24 #1〕
  • 方法:主张显存占用与数据分辨率解耦;面向”观测空间 ≠ 模型空间”的跨几何算子学习。
  • 数据:算子学习基准(清单未验证)。
  • 量化:⚠️ 参数 −84.4% / FLOPs −69.2%(自述,机构未验证);“significantly smaller""best accuracy” 均无第三方复核。
  • 代码:仓库内容未审阅(⚠️)。
  • 对本项目的启发:本周”内存而非 FLOPs”信号的第一条贡献者,且首次出现”分辨率无关显存”这一维度的主张。对”由地面观测推地下模型”这类观测空间 ≠ 模型空间的问题有直接适配性。
  • 验证状态:⚠️ 机构、基准清单、全部性能数字未验证。

8. 泄漏感知的全剖面评估与标签高效半监督地震相分割#

  • 类别:AI/地球物理(半监督分割 + 评测方法论)
  • 作者/团队:Frontiers in Earth Science 著录(日报未展开具体名单)
  • 链接:https://doi.org/10.3389/feart.2026.1910345(CC BY 4.0)·〔09-25 v2 #2〕
  • 方法/结论:用 F3 / Parihaka 两个公开数据集证明**“架构差异小于随机种子差异”,并把数据泄漏来源精确定位到”重叠 patch 的随机切分”**。
  • 数据:F3、Parihaka(公开)。
  • 代码:未声明(⚠️)。
  • 对本项目的启发:本周最有分量的方法论信号之一,与 SPBench 独立得出一致且可执行的行动结论:先修评测协议(整剖面切分 + buffer gap + 多种子),再谈架构创新。
  • 验证状态:✅ 期刊/DOI/CC BY 核验;⚠️ 具体数值需读全文。

9. GRADSOLVE:在 GPU 上求解并微分 ODE 集合(可微 HPC 第三条路线)#

  • 类别:传统方法(可微 HPC;JAX AD 为计算工具,无学习组件)
  • 作者/团队:⚠️ HTML 抓取仅得 University of London / Oxford 片段,作者机构未确证;领域为天体物理
  • 链接:arXiv 2609.28458 · https://arxiv.org/abs/2609.28458 · 代码 https://github.com/ECLIPSE-AI4Science/gradsolve(MIT,27 stars,创建 2026-09-02,末次推送 2026-09-03) ·〔09-25 v2 #5〕
  • 方法:JAX + 线程级 ensemble 并行,实现大规模 ODE 集合的求解与微分。
  • 数据:天体物理 ODE 集合(迁移需自行验证)。
  • 代码:✅ 仓库链接与许可核验。
  • 对本项目的启发:可微 HPC 三条路线至此完整成型(离散伴随 / 求解器在环 / JAX ensemble),且本周唯一附带真实可访问代码的条目。适合作为”JAX 生态做地震正反演”的技术验证起点。
  • 验证状态:✅ 仓库链接与许可核验;⚠️ 作者机构未确证。

10. 成本—精度权衡:神经算子 vs 经典数值求解器#

  • 类别:AI/地球物理(神经算子适用边界的系统性研究)
  • 作者/团队:⚠️ 机构(Caltech)为推断
  • 链接:arXiv 2609.24021(提交 2026-09-21 02:45:25 UTC)· https://arxiv.org/abs/2609.24021 ·〔09-23 #3〕
  • 方法/结论:在刻意对神经算子有利的设定下(训练成本完全摊销),仍存在经典求解器胜出的区间;给出成本—精度帕累托前沿与失效边界。
  • 数据:算子学习基准 suite(具体算例未验证)。
  • 代码:未验证(⚠️)。
  • 对本项目的启发:“什么时候不该用神经算子”的答案。 与 PINN Atlas(高频 Helmholtz 差 2–3 个量级)构成同一条”不要盲目替代经典求解器”的证据链,但本条更系统、更可执行。用于做 surrogate 立项排序。
  • 验证状态:⚠️ 机构、代码、具体算例与图表数值未验证。

本周提名区(第 11–25 位,供追踪,不展开;标注类别)#

序条目类别来源首次收录
11B-BiLo:带低秩适配的贝叶斯双层算子学习(免伴随路线;⚠️ 实验仅扩散型 PDE)AI10.1038/s41467-026-77768-709-22 #3
12Learning Physics from an Imperfect Ancestor(surrogate 的价值在 basin 选择而非精度;与 FWI cycle skipping 同构)AIarXiv 2609.2494709-24 #3
13多模态大模型视觉地震学(VLM 做 P/S 拾取;命名两个失效模式;无与传统拾取器定量对比)AI10.21203/rs.3.rs-10830064/v109-22 #4
14基于 Kokkos 的低阶 GPU 加速有限元核函数性能分析(性能由访存映射决定,而非算术强度)传统(HPC)arXiv 2609.2168109-24 #4
15适配预训练 LLM 快速反演震级与位置(TinyLlama+LoRA,与 INGV 业务系统对照)AI10.1029/2026JH00157809-23 #4
16方向感知掩码预训练 3D 地震表征学习 → 跨工区波阻抗反演(实证”重建保真度 ≠ 可迁移性”)AIarXiv 2609.2461509-23 #5
17PosteriorBench:生成式反演器的后验匹配评测(参考后验 + 5 项指标 + 开源代码)AIarXiv 2609.2079409-21 #4
18地震波形去噪跨时间域/时频域/混合域系统评测(以下游任务为指标)AI10.1029/2026JH00140309-21 #5
19ActSeisDAS:连续主动源 DAS 监测的边侧 Python 框架(99.9% 数据缩减,324 GB/天 → 16 MB,24 小时数据 46 分钟)AI10.1016/j.acags.2026.10041009-21 #9
20CASCU:混合注意力网络做自适应地震绕射波分离AI10.3389/feart.2026.189824109-25 v2 #1
21Diff-NekRS:多时间步”求解器在环”训练的可微框架(Argonne,1020 MPI ranks)传统(可微 HPC)arXiv 2609.2320809-25 #4
22Beyond Compression:神经代理求解器长时程 rollout 的潜表示训练(FLOPs −2 个量级、显存减半)AIarXiv 2609.3019809-25 #5
23任意发射波形三维时域电磁多尺度并行时间步进传统10.1190/geo-2025-018209-25 v2 #6
24RSDB:Raspberry Shake 全球地震波形数据集(面向 ML)AI(数据集)10.1016/j.eqs.2026.06.00109-25 v2 #10
253D-DCTU(真 3D 网络,SEG Geophysics)vs DFRSeisNet(分块 + 全局-局部分解,Sensors)——同一问题的两种相反处方AI10.1190/geo-2024-0855 / 10.3390/s2618593809-24 #5 / #8

四、本周全量条目索引(60 条位,按日报原序;含类别列)#

类别标注为本文件按”分类口径”对日报内容的重新归类,不改变日报原文。“(AI 辅助)”= AI 仅作辅助环节;“(可微)”= ML 框架仅作求导工具、无学习组件。

2026-09-21(窗口 09-14 ~ 09-21)#

#条目类别链接
1Structure-Driven Inversion(SDI)⚠️ 跨期重复(首收 09-16 #1)传统(范式)https://arxiv.org/abs/2609.16536
2Physics-guided FCN using attenuation information for viscoacoustic VMBAIhttps://doi.org/10.21203/rs.3.rs-10933226/v1
3Efficient matrix-free Gauss-Newton traveltime tomography on full-metric deformed grids传统https://arxiv.org/abs/2609.14982
4PosteriorBench: From Point Estimates to Posterior MatchingAIhttps://arxiv.org/abs/2609.20794
5Earthquake Seismogram Denoising Across Time, Time-Frequency, and Hybrid DomainsAIhttps://doi.org/10.1029/2026JH001403
6DAS-SPP: Transformer-based seismic phase picking on DAS dataAIhttps://doi.org/10.1016/j.cageo.2026.106264
7Linearized PINN with pretrained nonlinear layersAIhttps://arxiv.org/abs/2609.14926
8Physics-Guided Conditional Flow Matching with Energy RegularizationAIhttps://arxiv.org/abs/2609.15536
9ActSeisDAS: Python-based edge framework for continuous active seismic DAS monitoringAIhttps://doi.org/10.1016/j.acags.2026.100410
10Adaptive and accuracy-aware multiple data assimilation(ES-MDA-A2)⚠️ 跨期重复(首收 09-16 #6)传统https://arxiv.org/abs/2609.16434

2026-09-22(窗口 09-15 ~ 09-22;arxiv geo-ph 主窗口仅 16 条)#

#条目类别链接
1⭐ From Idle to Urgent: A Resource-Harvested HPC Workflow for High-Fidelity Seismic Estimation传统(HPC 系统)https://arxiv.org/abs/2609.22814
2Inversion of Elastic Properties of Stratified Layered Media using EDWI传统https://doi.org/10.1190/geo-2025-0147
3Bayesian bilevel operator learning with low-rank adaptation(B-BiLo)AIhttps://doi.org/10.1038/s41467-026-77768-7
4Do AI dream of P and S picks? Multimodal LLMs applied to visual seismological analysisAIhttps://doi.org/10.21203/rs.3.rs-10830064/v1
5Reinforcement Learning-based Task Aware Denoising for DAS Seismic Data(RL-TAD)AIhttps://doi.org/10.1190/geo-2024-0704
6Can Deep Learning Achieve Cross-Physics Mapping?(CPM)AIhttps://arxiv.org/abs/2609.16853
7HiLNO: Hierarchical Latent Neural Operator with Multi-Scale SupervisionAIhttps://arxiv.org/abs/2609.18419
8AI-Driven Scientific Computing Workflows: A Systems ReviewAI(综述)https://arxiv.org/abs/2609.21162
9FaultNet: Inferring Complex Fault Structures from Earthquake Hypocenter DistributionsAIhttps://doi.org/10.5281/zenodo.22837108
10PDEs in the age of machine learning: a critical synthesisAI(综述)https://doi.org/10.1007/s10462-026-11677-5

2026-09-23(窗口 09-16 ~ 09-23)#

#条目类别链接
1⭐ Shallow-to-deep velocity model building via diffusion models — Part I / Part IIAIhttps://arxiv.org/abs/2609.26454 / https://arxiv.org/abs/2609.26482
2Distributed Proximal SVGD for Large-scale Bayesian Inference in Traveltime Tomography传统https://arxiv.org/abs/2609.26653
3Cost-Accuracy Trade-offs: Neural Operator vs Classical Numerical SolverAIhttps://arxiv.org/abs/2609.24021
4Adapting a Pretrained LLM to Rapidly Recover Earthquake Magnitude and LocationAIhttps://doi.org/10.1029/2026JH001578
5Direction-Aware Masked Pretraining for 3D Seismic Representation LearningAIhttps://arxiv.org/abs/2609.24615
6Predicting OOD Generalization of Neural Operators via Spectral Error DecompositionAIhttps://arxiv.org/abs/2609.23529
7Multiscale Stepwise Learning Network for Seismic Impedance InversionAIhttps://doi.org/10.3390/app16189358
8Spatio-Temporal Neural Kernel Function Model for Earthquake Clustering(ETAS ↔ 神经点过程)AIhttps://doi.org/10.1029/2025JH001110
9Detection of the 2019 Hikurangi slow event using a transformer DL modelAIhttps://doi.org/10.13168/agg.2026.0027
10StrainProx: Seismic Time-Strain Inversion with Proximal Solvers传统https://doi.org/10.1190/tle-2026-1107

2026-09-24(窗口 09-17 ~ 09-24)#

#条目类别链接
1MENO: Memory-Efficient Neural OperatorAIhttps://arxiv.org/abs/2609.27739
2⭐ High-low frequency collaborative FNO for 3D acoustic seismic wavefield modeling(HFNO)AIhttps://doi.org/10.1016/j.jappgeo.2026.106528
3Learning Physics from an Imperfect AncestorAIhttps://arxiv.org/abs/2609.24947
4Performance Analysis of Low-Order, GPU-accelerated FE Kernels using Kokkos传统(HPC)https://arxiv.org/abs/2609.21681
5A hybrid CNN-Transformer network for linear noise suppression in 3D seismic data(3D-DCTU)AIhttps://doi.org/10.1190/geo-2024-0855
6DispSAC: Surface-wave dispersion inversion using soft actor-critic RLAIhttps://doi.org/10.31223/x5mj75
7GenVoid: Uncertainty-Aware Learning of Subsurface Material DefectsAIhttps://arxiv.org/abs/2609.23761
8DFRSeisNet: Fluctuation-Prior-Regularized Background Noise AttenuationAIhttps://doi.org/10.3390/s26185938
9Beyond PINNs: Unified Gauss-Newton and Petrov-Galerkin Framework传统(数值)https://arxiv.org/abs/2609.20641
10Mechanism-oriented tendency-integration operator networks for PDE foundation modelsAIhttps://doi.org/10.21203/rs.3.rs-10822726/v1

2026-09-25 v1(窗口 09-18 ~ 09-25)#

#条目类别链接
1⭐ SPBench: A Multi-Task Evaluation Benchmark for Exploration Seismic ProcessingAIhttps://arxiv.org/abs/2609.28925
2HFNO 三维声波场正演 ⚠️ 跨期重复 + 升级(首收 09-24 #2,本期取得完整摘要)AIhttps://doi.org/10.1016/j.jappgeo.2026.106528
3TorchFDTD: GPU-accelerated FDTD with discrete adjoints and host-streamed execution传统https://arxiv.org/abs/2609.30039
4Diff-NekRS: Scalable Differentiable Framework for Multi-Timestep Solver-in-the-Loop Training传统(可微)https://arxiv.org/abs/2609.23208
5Beyond Compression: Latent Representations for Stable Long-Horizon Rollout in Neural Surrogate SolversAIhttps://arxiv.org/abs/2609.30198
6Conformal Structure of the Brinkman Penalisation Method for Operator Learning of Hamiltonian PDEsAIhttps://arxiv.org/abs/2609.29847
7Learning Operators of Geometry with an Interface AutoencoderAIhttps://arxiv.org/abs/2609.29437
8Stable Initial Model Construction for 2D Single-Parameter GPR FWI传统https://doi.org/10.1007/s11770-026-1617-5
9Automated Workflow for Focal Mechanism Determination of Low-Magnitude Earthquakes(SE Alps)传统(自动化流程)https://doi.org/10.1785/0220260124
10Parameter estimation for land-surface models using Neural Physics传统(可微,免伴随;前向完全基于物理、不做任何训练)https://doi.org/10.5194/gmd-19-8801-2026

2026-09-25 v2(第二轮检索增补,15:05)#

#条目类别链接
1Adaptive seismic diffraction separation via hybrid attention-based CASCU networkAIhttps://doi.org/10.3389/feart.2026.1898241
2⭐ Leakage-aware full-section evaluation and label-efficient semi-supervised seismic facies segmentationAIhttps://doi.org/10.3389/feart.2026.1910345
3Hybrid topography-dependent eikonal solver for acoustic tilted orthorhombic anisotropy传统https://doi.org/10.1190/geo-2025-0302
4Stratigraphy-guided joint inversion of acoustic impedance and resistivity(碳酸盐岩储层)传统https://doi.org/10.3389/feart.2026.1900017
5⭐ GRADSOLVE: Differentiable astrophysics at scale(代码 github.com/ECLIPSE-AI4Science/gradsolve,MIT)传统(可微)https://arxiv.org/abs/2609.28458
6Multiscale parallel time-stepping for 3D time-domain electromagnetic data传统https://doi.org/10.1190/geo-2025-0182
7Gravity Inversion Based on Vision Transformer(鄱阳湖盆地)AIhttps://doi.org/10.1007/s11770-026-1608-6
8Block adaptive thresholding FISTA for random noise suppression in hyperbolic Radon domain传统https://doi.org/10.1007/s11770-026-1616-6
9Kalman-Based Simultaneous Traveltime Inversion for Velocity and Reflector Geometry传统https://doi.org/10.1007/s11770-026-1547-2
10RSDB — A global seismic waveform dataset from the Raspberry Shake networkAI(数据集)https://doi.org/10.1016/j.eqs.2026.06.001

五、本周演化:重复 / 升级 / 新增方向(分两线)#

5.A AI/地球物理线#

周内重复(主榜内的跨期重复命中)

条目首次收录本期状态
HFNO(10.1016/j.jappgeo.2026.106528)09-24 #209-25 #2 再入榜,并取得完整摘要与量化结果(见 5.A 升级表)

升级(前日”信号”→ 拿到可核验证据)

升级项轨迹结果
⭐ HFNO 三维声波场正演09-23 期”按标题检索无命中、字段全缺”→ 09-24 期经 OpenAlex + Crossref DOI 反查拿到 DOI/作者/机构(仍无摘要)→ 09-25 期经 OpenAlex DOI 直查取得完整摘要✅ 拿到方法 + 数据 + 量化加速比(HER 最多降 33%;CPU 1.34 s、相对 Devito 3×;GPU 0.0094 s/次)
XiaoNet09-19 摘要未获取 → 09-22 经 OpenAlex 取到完整摘要(>93% 压缩 / 240 KB / 亚毫秒)✅ 数字可用;⚠️ 同时暴露 OpenAlex 机构映射错误
神经算子清算线09-21 #4 PosteriorBench(后验对不对)→ 09-22 #10 PINN Atlas(高频 Helmholtz 差 2–3 量级)→ 09-23 #3 成本—精度边界、#6 OOD 谱诊断✅ 形成 3 条独立、可引用的支撑
Agentic/多模态地球物理09-17 #1 Agentic FWI(摘要不可得)→ 09-22 #4 VLM 地震学(命名失效模式)→ 09-23 #4 TinyLlama ↔ INGV 业务对照✅ 从”存在性信号”升级为”有细节可评”;❌ 仍无与传统方法的定量对比
PINN 定位09-20 PINN Atlas 量化清算 → 09-21 #7 lPINN 给出对应工程解法(离线学基、在线只解最后一层,在线推理快 1–3 个数量级)✅ 批评与补救在同一周期配对

本周新增方向

  • 🆕 视觉语言模型(VLM)做地震学判读(注视点式多阶段缩放 + 形态学弃权协议 + 两个被命名的失效模式)
  • 🆕 跨物理域映射(Cross-Physics Mapping):同一潜流形上学习扩散场 ↔ 波场双向算子,并量化出方向不对称性
  • 🆕 强化学习做”逐区域去噪策略选择”(A3C 智能体按数据区域挑选轻量去噪网络)
  • 🆕 双层算子学习 + LoRA 的免伴随贝叶斯反演(权重空间采样 → 参数空间采样)
  • 🆕 深度渐进(depth-progressive)生成式 VMB(层剥离思想嵌入扩散生成顺序)
  • 🆕 神经算子的成本—精度帕累托前沿与失效边界
  • 🆕 神经算子的可审计 OOD 诊断(无需真值;误差谱分解)
  • 🆕 方向感知的三维地震自监督预训练(“重建保真度 ≠ 可迁移性”反例)
  • 🆕 神经核函数替代 ETAS 经验核(保留 Hawkes 点过程概率结构)
  • 🆕 “神经算子的价值在 basin 选择而非精度”
  • 🆕 分辨率无关的神经算子显存 / 跨几何(cross-geometry)算子学习
  • 🆕 反问题的”可观测性度量”(面向采集设计)
  • 🆕 PDE 基础模型的”机制可干预性”
  • 🆕 地震处理领域系统性”可复现性证据”(368 篇审计;合成排名 ≠ 实测排名)
  • 🆕 潜空间代理”长时程稳定性”是训练目标问题而非结构问题(反直觉:改善 rollout 稳定性会让常规指标变差)

5.B 传统方法线#

周内重复

条目首次收录本期状态
ES-MDA-A2(2609.16434)09-16 #6(W38)09-21 再次排入 #10,无更新
SDI(2609.16536)09-16 #1(W38)09-21 再次排入 #1,但无新版本、无代码、无实验

升级

升级项轨迹结果
⭐ HPC 缺口终结09-17~09-21 连续 5 期记录”HPC 无系统/方法学产出”→ 09-22 #1 一次性补齐”面向地震 + 系统层方法学 + 完整量化账”三要件✅ 缺口终结的是”方法学供给”,不是”工具链更新”
矩阵自由 GN09-19 #5 CSEM(W38)→ 09-21 #3 全度量形变网格上的初至走时层析(图凝聚 + 块三角分解复用 Krylov 输运算子)✅ 从单一应用扩展到走时层析
可微 HPC 路线图成型09-25 #3 TorchFDTD(离散伴随)+ #4 Diff-NekRS(求解器在环)+ v2 #5 GRADSOLVE(JAX ensemble,本周唯一可访问代码)✅ 三条路线全部为传统/可微线,共同点”不靠通用 AD 直接套正演”

本周新增方向

  • 🆕 Urgent Interactive HPC / 资源采集(完整的算力时间复用架构)
  • 🆕 共识 ADMM + 粒子变分推断的分布式贝叶斯反演(去中心化子问题 + worker 内 SVGD)
  • 🆕 “融合 CUDA 核 + AD 不兼容”被点名,离散伴随成为显式替代(两条独立来源,均给出精度与规模实测)
  • 🆕 免伴随(adjoint-free)可微反演(Neural Physics:ML 框架 AD 替掉伴随推导,前向模型完全基于物理、不做任何训练)
  • 🆕 传统数值方法集中回归:混合地形 eikonal 各向异性求解器、任意波形三维时域电磁多尺度并行、双曲 Radon-FISTA 分块阈值、Kalman 走时-反射界面同时反演、GPR FWI 稳定初始模型
  • 🆕 变几何算子学习获得理论误差界(Hausdorff / graph-Hausdorff、拓扑证书)

5.C ⚠️ 本周暴露的两类口径问题(务必记住)#

  1. 日期口径(对 Elsevier 系期刊):HFNO 的 Crossref published 记为 2026-12(卷期归属月),而 created 与 OpenAlex publication_date 均为 2026-09-18。只用 published 会把窗口内的新上线论文误判为窗口外。 本周起改为「created 与 OpenAlex publication_date 交叉、以较早的实际上线口径为准,并在正文显式列出两个日期」。
  2. 机构映射错误(OpenAlex):XiaoNet 的三位作者单位被 OpenAlex 全部映射为 “Oklahoma Biological Survey”,与论文内容明显不符。结论:机构字段必须双源交叉,不能单信 OpenAlex。

六、本周趋势总结(分两线)#

6.A AI/地球物理线#

  1. ⭐ “可复现性 / 比较口径”第一次成为当日主线,且带着量化证据。SPBench(368 篇仅 25 篇有代码、合成排名 ≠ 实测排名)+ v2 独立佐证(架构差异 < 随机种子差异,泄漏源自重叠 patch 随机切分)。这质疑的是”我们凭什么认为 A 比 B 好”这一前提。
  2. ⭐ “扩散 × FWI”从后验采样推进到工序级替代,并首次给出实测泛化证据(09-23 #1 Part II)。
  3. 神经算子的边界被三条独立证据界定,并新增”basin 选择”这第二验收口径。用单点误差验收 surrogate 是系统性错误的,应改为「多步 rollout 误差」+「梯度一致性检验」。
  4. “成本叙事”从零散证据变成结构化的三条路径:算力时间维度复用(闲时建训练集 → 震时推理,AI 与 HPC 系统的混合)、模型容量维度压缩(MENO 参数 −84.4% / FLOPs −69.2%;XiaoNet 240 KB)、结构维度降维(LoRA 把权重空间采样降为参数空间采样)。
  5. “让 SciML 可审计”已成独立脉络:PosteriorBench、跨物理域映射的方向不对称、无需真值的 OOD 谱诊断、机制干预实验。四条的共同点是都在问”模型为什么给出这个答案”。
  6. LLM 在地震学中的角色进一步分化(渲染成图再判读 vs 直接吃数值做反演),且开始出现业务系统对照;极小配置(TinyLlama + LoRA / XiaoNet 240 KB)比”接一个大 LLM”更可能先落地到台站侧。
  7. 出现一类需要警惕的”廉价 UQ”(RL 策略集成 DispSAC):它不等于后验,可作稳定性扫描、不应作为 UQ 交付物。
  8. 诚实报告密度维持在较好水平:09-23 #4 明确报告”加 S 波收益不足以抵消延迟”;#3 的核心结论之一是神经算子在有利设定下仍会输。

6.B 传统方法线#

  1. ⭐ HPC 议题从”缺信息”变成”有方法学”,再收敛到”内存/显存”。三阶段:系统/工作流(09-22)→ 算法并行化(09-23)→ 内存工程(09-24、09-25)。核心判断:大型 3D 地震计算的约束条件是内存,不是 FLOPs。(注意:这一判断的证据链大部分来自传统方法线——TorchFDTD、Kokkos、Diff-NekRS、GRADSOLVE、分布式 SVGD。)
  2. “手写 CUDA 核 → 必须准备转置核(离散伴随)“成为明确工程守则;discretize-then-optimize 是措辞层面的关键。
  3. 可微 HPC 三条路线成型,且全部不依赖通用 AD:对本项目的含义是——若正演已有手写核,转置核的工程投入应列入计划,而非指望框架自动求导。
  4. 免伴随可微反演形成第二条路径(Neural Physics,前向完全基于物理、不做任何训练),与矩阵自由 GN 的数学路径互补。对”已有成熟正演代码但伴随维护成本高”的场景是低风险选项。
  5. 传统数值方法集中回归(eikonal、多尺度并行时间步进、Radon-FISTA、Kalman 走时反演),且都服务 FWI/层析的底座——与 HPC 主线形成”算得起 / 算得准、起得来”的互补。
  6. ⭐ 期刊侧是本周被低估的富矿,且是传统方法的主要来源:09-25 v2 十席中 8 条来自正式期刊,其中传统方法 7 条(含 4 条纯数值方法)。issn: 日期区间扫描在 Applied Geophysics(1672-7975)上一次就捞出 10 篇,而 cat: 检索完全覆盖不到。→ ISSN 区间扫描应放在 arXiv cat: 检索之前执行。

6.C 综合判断#

本周两线产出比约 39:21(AI:传统),传统方法占比为三周最高,主要由两个因素驱动:HPC 缺口终结的增量大部分落在传统方法线(系统/工作流、算法并行化、内存工程),以及期刊侧扫描捞出的传统数值方法集中回归。AI 线在自我清算(评测口径),传统线在补底座(算得起 + 算得准)——两条线本周给出的是同一个信息的两面:领域正在从”提出方法”转向”把方法做实”。


七、对项目的行动建议(本周合并版)#

课题口径仍为默认的 AI + HPC + 地震数据处理 + FWI。以下均为建议,未执行任何操作。括号内为所属线别。

A. 立即可做(低风险、低成本,1–3 天)#

  1. ⭐ 修评测协议——依据 SPBench + 泄漏感知全剖面评估(均为 AI 线)。具体动作:整剖面切分(禁止重叠 patch 随机切分)+ buffer gap + 多种子重复,并在报告里同时给出随机种子间的方差。这是本周投入产出比最高的一条。
  2. 把”多步 rollout 误差 + 梯度一致性检验”写入 surrogate 验收清单——依据 09-25 #4/#5 + 09-24 #3(AI 线)。停止用单点误差验收 surrogate。
  3. 在内部评测规范中新增”可审计性”一节——依据 09-21 #4、09-23 #6、09-24 #10(AI 线)。
  4. 跑通 GRADSOLVE 环境(GitHub,MIT)——本周唯一带可访问代码的可微 HPC 条目(传统/可微线),适合作为 JAX 生态做地震正反演的技术起点。
  5. 按”内存优先”重估现有 3D 流程——依据 09-23 #2、09-24 #1/#4、09-25 #3/#5 的六条独立来源(跨两线)。

B. 需要评估(有收益但需先做可行性判断,1–4 周)#

  1. 评估 TorchFDTD 式”状态换出主机内存”能否移植到现有 3D FD 正演——2.7–3.1× 时间换 56%–65% 峰值显存,且离散格式不变(传统/HPC 线)。这是本周最”可抄”的显存方案。
  2. 复现 HFNO(AI 线)——本系列唯一同时满足”神经算子 + 3D 地震正演 + 中文单位 + 量化加速比”的条目。验收口径建议直接用 HER + 与 Devito 同硬件对比。
  3. 评估”手写 CUDA 核 → 必须准备转置核”对现有代码库的影响——依据 09-25 #3、#4 的两条独立来源,以及 discretize-then-optimize 这一措辞(传统/HPC 线)。
  4. 评估把 basin 选择作为 surrogate 第二验收口径(AI 线),用 FWI cycle skipping 场景做对照实验。
  5. 评估 B-BiLo 的免伴随路线在波动方程上是否成立——关键判据:它只在扩散型 PDE 上验证过(AI 线)。
  6. 评估 SPBench 项目页是否上线——每周复查一次(截至 09-25 仍 404)。这是所有基于 SPBench 的行动建议能否落地的前提。

C. 仅记录(暂不投入)#

  1. SDI / PSDWII 类”零实验零代码”的范式宣示(传统线)——09-21 再次排 #1 但无新证据,维持季度级跟踪。
  2. Agentic FWI(10.1007/s11004-026-10342-5)(AI 线)——跨期 ≥3 期摘要不可得,建议人工判断是否继续投入检索预算。
  3. DispSAC 类”廉价 UQ”(AI 线)——可作稳定性扫描,不应作为 UQ 交付物。
  4. RSDB / Applied Geophysics 摘要缺口——见第八节,建议合并为一次批量人工动作。

D. HPC 侧的具体提醒#

  1. 开源栈下周复查项(本周实测均无新版本):Devito v4.8.23 / 2026-08-07;SPECFEM3D v4.1.1 / 2024-03-15;SeisSol v1.3.2 / 2025-06-17。连续多期成立,可考虑把复查频率降为双周。
  2. 补订稳定 HPC 信息源:SC / ISC / IPDPS / PPoPP、NVIDIA GTC、SEG/EAGE 年会技术程序、SPECFEM / Devito / SeisSol release notes。
  3. 注意”内存而非 FLOPs”应作为硬约束,而非事后优化项。
  4. 检索顺序调整:ISSN 区间扫描应优先于 arXiv cat: 检索(本周 09-25 v2 首次实证;且期刊侧是传统方法条目的主要来源)。

八、未解决项 / 需人工确认#

8.1 结构性问题(本周持续)#

  1. ⚠️ 模板变量连续第 6–8 期未注入:{{date}} / {{lookback_days}} / {{history_dir}} / {{lookback_reports}} / {{project}} 全部为原始占位符。建议修改自动化配置注入实际值。
  2. project 未指定:所有”对项目的启发”均按默认课题语境撰写。
  3. 对比基线:lookback_reports = 5(09-18 ~ 09-22 五份),逐步成型。

8.2 代码/数据可用性(本周统计)#

  • 本周 60 条位中,明确给出可访问代码链接的仅 1 条:GRADSOLVE(GitHub,MIT,传统/可微线)。另有延伸观察候选 FrFNO。
  • 09-25 #1 SPBench 自述将发布数据/实现/配置/评测脚本,但 arXiv 摘要页与 HTML 全文均无仓库地址,GitHub 检索无同名命中;项目页 404。
  • ⚠️ FaultNet(Zenodo 22837108)代码许可未添加(存档说明明确要求发布前补许可)——商用/再发布前必须确认许可。

8.3 跨期悬置项(截至 2026-09-25)#

项悬置建议动作
SPBench 项目页 404(https://seismicprocessingbenchmark.github.io/SPBench/)09-25 起每周复查;地址由论文图注确证,页面未上线
Agentic FWI 摘要(10.1007/s11004-026-10342-5)≥ 3 期全文闭源,建议人工判断是否继续投入检索预算
Science China Earth Sciences 生成式 AI 综述摘要(10.1007/s11430-025-2038-7)≥ 3 期(09-18 起)09-21 已拿到作者/单位/出版日;仅摘要缺失 → 人工浏览器打开一次并回填
伴随法小震矩释放率摘要(Research Square rs-3.rs-10679490/v1)≥ 3 期(09-21 起)人工取全文
BicycleGAN 日期冲突(10.1016/j.cageo.2026.106272,Crossref 记 2027-01 vs OpenAlex 记 2026-09-17)≥ 2 期人工确认真实上线日期
10.1007/s11770-026-1617-5(GPR FWI 初始模型,传统线)09-25 起摘要/方法/数据/代码全部缺失;方向高度相关,值得人工取 PDF
10.1007/s11770-026-1587-7(U-Net 三维重力反演,中南大学/东华理工/自然资源部)连续三期无摘要⚠️ 09-25 v2 已建议停止跟踪
GRADSOLVE 作者机构未确证09-25 起HTML 抓取仅得 University of London / Oxford 片段
RSDB(10.1016/j.eqs.2026.06.001)09-25 起机构/摘要/数据集地址全缺;日期口径冲突(published [2026,10] vs created 2026-09-23)
4 篇 Springer Applied Geophysics 条目无摘要(…1617-5 / …1608-6 / …1616-6 / …1547-2,均为传统线)持续Springer 不提供结构化摘要,API 路径已走到尽头 → 合并为一次批量取 PDF 动作
10.1190/geo-2025-0182 日期冲突09-25 起Crossref published 2026-09-20 vs created/OpenAlex 2026-09-02
OUP(academic.oup.com)Cloudflare 拦截09-20 起GJI 多条代码/数据声明只能人工浏览器打开
Princeton RSE WebGPU/WGSL 求解器跨周(W38 已 6 次未验证)建议结案或直接放弃
J. Seismic Exploration 元数据错配跨周(持续复核仍存在)该刊 Crossref 著录不可靠,自动筛选必须交叉验证出版商页面

8.4 需人工确认的性能数字(本周)#

本周给出可直接引用量化数字的条目显著多于上周(HFNO 的 HER/33%/1.34 s/3×/0.0094 s;Urgent HPC 的 −76%/3.7×/−97.9%/30 分钟;TorchFDTD 的 2.7–3.1×/56%–65%;ActSeisDAS 的 99.9%/46 分钟;MENO 的 −84.4%/−69.2%),但其中多数为作者自述、未独立验证。已逐条在日报标注,选型决策请以自复现为准。


九、检索说明与本文件生成方式#

  • 本文件不是检索产物。生成过程为:读取 AI每日总结_2026-09-21.md ~ AI每日总结_2026-09-25.md 五份原文(09-25 含 v1 与第七节 v2 增补)→ 按 ISO 周归并 → 抽取各期”〇 对比""趋势总结""未解决项” → 合并同一条目的升级轨迹 → 按”AI/地球物理 + 传统方法”两分类重新归类并标注 → 按 AI 6 + 传统 4 配比重排 Top 10 → 输出本文件。未访问任何外部数据源。
  • 两类条数分布:60 条位中 AI/地球物理 39 条 / 传统方法 21 条(每日分布:09-21 为 7:3、09-22 为 8:2、09-23 为 8:2、09-24 为 8:2、09-25 v1 为 5:5、09-25 v2 为 3:7)。精选 Top 10 配比 6:4;传统方法条数充足(21 条 ≥ 4),无需”凑数”。值得注意的结构性事实:传统方法条目几乎全部来自期刊侧(尤其 09-25 v2 的 ISSN 扫描),而 AI 条目以 arXiv 为主——两类信息的检索渠道本身就在分化。
  • 历史重复/升级/新增:周内重复 3 条(SDI〔传统〕、ES-MDA-A2〔传统〕、HFNO〔AI〕);升级项分两线列于第五节;新增方向 AI 线 15 项 + 传统线 6 项。与前周(W38)对比的新增方向以 🆕 标注。
  • 分类判定说明(边界条目归类原则):① 资源采集式 HPC 工作流(NN 为组件、核心创新为系统架构)→ 传统(HPC 系统);② SVGD/ADMM 走时层析(无神经网络)→ 传统;③ TorchFDTD / Diff-NekRS / GRADSOLVE / Neural Physics(无学习或学习非主体)→ 传统(可微/HPC);④ Beyond PINNs(Gauss-Newton/Petrov-Galerkin 数值框架)→ 传统(数值)。归类为整理动作,若与原文自述不符,以原文为准。
  • ⚠️ 2026-10-08 变更:按用户要求,本周期 5 份日报已随全部 12 份历史日报移出主目录,现留存于工作区 .回收站_日报_2026-10-08/ 与外部备份 /home/liguolong/geo_scratch/backup_日报_2026-10-08/(删除前校验一致)。09-25 的 v1 与 v2 在周报中合并为”同一日的两轮检索”;日报原文(两段独立内容)请在上述两处查阅。
  • 诚实性声明:
    • 所有链接、作者、机构、日期、数字均转述自日报原文;日报未验证的一律沿用”未验证/需人工确认”标注,本文件未做任何新推断或补齐。
    • 日报中标为”推断""自述""预印本""二手来源”的内容,在本文件中保持原标注。
  • front matter 说明:周报使用 tags / category 均为 "AI每周总结"。若站点分类体系需要与日报保持一致,请把 category 改为 "AI每日总结",其余字段不变。
  • 只读优先:本文件生成过程未执行任何写入以外的操作,未提交、未删除、未覆盖任何既有文件。
AI每周总结-地球物理(2026-W39)
https://tuoyuangui.github.io/website/posts/typora/ai每日总结/ai每周总结_2026-w39/
作者
椭圆规/tuoyuangui
发布于
2026-09-27
许可协议
CC BY-NC-SA 4.0