XiaoMi-AI文件搜索系统
World File Search System反演
利用反演方法进行碳酸盐岩储层表征...
中苏门答腊盆地是一个具有巨大石油和天然气潜力的沉积盆地。利用这一潜力所做的努力之一是利用地震方法进行地球物理勘探。地震方法是提供地球地下状况（例如层结构、地质结构、碳氢化合物指标以及储层的物理性质）清晰图像的最优秀方法。本研究采用了地震反演方法和地震属性方法。使用的地震属性是均方根 (RMS) 和包络属性。同时，所采用的地震反演是声阻抗反演（AI）。 RMS 和包络属性有助于绘制地震波的最大振幅，这些地震波反映了地表以下的密度或岩性差异，并指示了具有储层潜力的区域的存在。声阻抗反演可以绘制某一层的声阻抗值，可以有效定量指示岩性、孔隙度和储层特征的差异。均方根 (RMS) 和包络属性显示“FAP”油田 Telisa 地层顶部的亮点区域，而日志数据显示 Telisa 地层中存在碳氢化合物。研究区碳酸盐岩储层声阻抗值分布在15000((Ft/s)*(g/cc))～30000((Ft/s)*(g/cc))范围内。 “FAP”油田碳酸盐岩储层孔隙度为0.18～0.3（V/V），密度为2.2～2.4（g/c3）。关键词：苏门答腊盆地中部，RMS 属性，包络属性，反演
量子退火计算在地震反演中的应用
地震地球物理学在很大程度上依赖于地下建模，而地下建模基于对现场收集数据的数值分析。在生成一致的地下模型之前，对典型地震实验中产生的大量数据进行计算处理也需要同样大量的时间。电磁油藏数据，如 CSEM（受控源电磁）、岩石物理技术，如多井的电阻率和磁共振，以及工程优化问题，如油藏通量模拟器、井场设计和石油产量最大化，也需要强大的计算设备进行分析。另一方面，在过去十年中，量子计算机的发展取得了很大进展：机器利用量子力学定律比传统计算机更快地解决困难的计算问题。这种进步的一个具体例子就是所谓的量子霸权，最近已经使用专用量子计算机进行了演示 [1-3]。地球科学领域和相关行业（如碳氢化合物行业）有望从量子计算带来的进步中获益。目前，不同的量子技术和计算模型正在不断发展。IBM、谷歌和英特尔等巨头公司正在开发基于超导技术的量子计算机 [4]。其他公司也在投入大量精力构建基于约瑟夫森结的功能齐全的量子计算机，比如北美的 Rigetti，而美国的 IonQ 和奥地利的 AQT 则致力于开发基于捕获离子的计算机 [5]。加拿大公司 D-Wave 是量子退火计算模型的领先者 [6]，该公司已经开始交易量子机器，加拿大的 Xanadu 也在提供对其光子量子计算机的云端访问 [7,8]。
掺杂威尔半金属中反演对称性破缺的超导性可视化
外尔半金属 MoTe 2 为研究外尔物理与超导之间的相互作用提供了难得的机会。最近的研究发现，Se 取代可以将超导性提高到 1.5 K，但会抑制对于外尔态的出现至关重要的 T d 结构相。迄今为止，尚未建立对增强超导和 T d 相可能共存的微观理解。在这里，我们使用扫描隧道显微镜研究了最佳掺杂的超导体 MoTe 1.85 Se 0.15，其体相 T c ∼ 1.5 K。通过准粒子干涉成像，我们发现了具有破缺反演对称性的低温 T d 相的存在，其中超导性全局共存。此外，我们发现从上临界场和涡旋附近的态密度衰减中提取的超导相干长度远大于现有化学无序的特征长度尺度。我们发现 MoTe 1.85 Se 0.15 中的 Weyl 半金属正常相具有稳健的超导性，这使它成为实现拓扑超导的有希望的候选材料。
使用迭代完善的波场重建反演的定量光声断层扫描：仿真研究
摘要 - 光声tomog-raphy的最终目标是准确绘制整个成像组织中的吸收系数。大多数研究都假定生物组织的声学特性，例如声音（SOS）和声学衰减，或者在整个组织中都是均匀的。这些假设降低了衍生吸收系数估计的准确性（DEAC）。我们的定量光声断层扫描（QPAT）方法使用迭代完善的波场重建内部（IR-WRI）估算DEAC，该局部结合了乘数的交替方向方法，以解决与全波逆算法相关的循环跳过挑战。我们的方法弥补了SOS不均匀性，衰变和声学衰减。我们在新生儿头数字幻影上评估了方法的性能。
利用天问一号H-ENA观测反演火星上游太阳风参数
发展了一种通过测量近火星空间中氢能中性原子（H-ENA）反演太阳风参数的算法。假设H-ENA是由太阳风中的质子与外大气层中性子发生交换碰撞而产生的，在磁流体力学（MHD）模拟太阳风与火星相互作用的基础上，建立了H-ENA模型，研究了H-ENA的特性。结果表明，太阳风H-ENA与太阳风一样，是高速、低温的粒子束，而磁鞘H-ENA速度较慢、温度较高，能量分布较广。假设太阳风H-ENA通量服从麦克斯韦速度分布，高斯函数最适合拟合太阳风H-ENA通量，由此可以反演太阳风的速度、密度和温度。进一步基于H-ENA模型模拟的ENA通量研究表明，反演太阳风参数的精度与ENA探测器的角度和能量分辨率有关。最后，利用天问一号任务的H-ENA观测数据验证了该算法。反演后的上游太阳风速度与原位等离子体测量结果接近。我们的结果表明，从H-ENA观测数据反演的太阳风参数可以作为火星空间环境研究数据集的重要补充，因为火星空间环境研究缺乏对上游SW条件的长期连续监测。
通过快速扩散反演
基于预训练扩散模型的图像恢复（IR）方法已显示出最先进的性能。但是，它们具有两个基本局限性：1）他们经常假设降解操作员是完全知道的，并且2）它们改变了扩散抽样过程，这可能会导致不在数据歧管上的恢复图像。为了解决这些问题，我们通过快速扩散反转（Bird）提出了盲图恢复（Bird），一种盲IR方法，该方法共同优化了降级模型参数和恢复的图像。为了确保恢复的图像位于数据歧管上，我们在预训练的扩散模型上提出了一种新颖的采样技术。我们方法中的一个关键想法不是修改反向采样，即。e。，一旦取样初始噪声，就不要改变所有中间潜在的潜在。这最终等效于将IR任务作为输入噪声空间中的优化问题。此外，为了减轻与完全展开的扩散模型相关的计算成本，我们利用这些模型的固有功能使用大的时间步骤在正向扩散过程中跳过。我们在几个图像恢复任务上实验验证鸟类，并表明它达到了最先进的表现。项目页面：https：//hamadichihaoui.github.io/bird。
增强炮弹模型在田间反演和机器学习的指导下
本报告调查了使用数据驱动方法的使用，即现场倒置和机器学习（FIML），以改善常规的湍流模型，例如Spalart-Allmaras模型和Menter SST K-ω模型。使用有限的训练数据使用基于ML的方法来产生可推广到大量流量配置的校正的关键方面之一是设计适当的“功能”（输入ML模型）。基于FIML方法的指导的模型以分析形式介绍。在本报告的末尾列出了本研究中已经进行了实验的其他功能列表。尽管这些校正中没有使用这些，但它们被包括在当前工作中使用的完整过程。
逆向数据、时间反演和量子计算
将逆向数据纳入量子计算代表了量子技术和人工智能领域的重大进步。然而，实施这一模型带来了一些技术和理论挑战，包括需要精确控制量子态并尽量减少时间反转过程中的误差。思想实验“Levandovsky's Cat”展示了逆向数据在解决量子力学基本问题和开发超级智能方面的潜力。未来的研究应侧重于优化逆向时间演化的算法和开发强大的量子门以提高计算可靠性。所提协议的实验实现将允许验证理论结论并评估逆向数据在量子系统中的实际适用性。
狄拉克半金属 ${\rm{C}}{{{\rm{d}}}_3}{\rm{A}}{{{\rm{s}}}_2}$ 介导的非对称 SQUID 中的时间反演对称性破缺和零磁场约瑟夫森二极管效应
pn 结中的二极管效应在现代微电子学中起着重要作用。由于电子（n）和空穴（p）掺杂区之间的反演对称性破缺，电子传输是非互易的，即电流只能朝一个方向流动。这种非互易性质已广泛应用于晶体管、发光二极管、太阳能电池等电子设备中。最近，类似的二极管效应在超导系统中引起了极大的兴趣 [1-66]。与 pn 结中的二极管效应一样，超导二极管效应 (SDE)，或者具体来说是约瑟夫森结 (JJ) 中的约瑟夫森二极管效应 (JDE)，有望找到重要应用，如无源片上回转器和循环器 [66]。这类设备在量子计算应用中将特别有影响力。此外，SDE/JDE 可用作研究新型超导特性（如有限动量库珀对）的替代方法 [2, 10]。在典型的 JJ 或超导量子干涉装置（SQUID）中，IV 曲线在装置处于正常状态的高电流范围内呈线性，如图 1（d）所示。电压 V DC 在所谓的再捕获电流 I + r（对于电流向下扫描）处突然降至零，并在很大的电流范围内保持在零，直到达到开关电流 − I − c。本文中，我们将该开关电流视为 JJ 的临界电流（I c ），并在本文中始终使用临界电流这一术语。超过 − I − c 后，IV 曲线变为线性，装置再次进入正常状态。对于电流向上扫描曲线，可以观察到 IV 曲线的类似形状，并标记出相应的 − I − r 和 I + c 的位置。一般而言，只要存在时间反演对称性 (TRS) 或反演对称性，I + c = I − c 就与电流扫描方向无关。然而，当两种对称性都被破坏时，临界电流会根据电流扫描的方向显示不同的值，这种现象称为 JDE [ 1 , 2 ]。在非中心对称超导系统或非对称 SQUID 等器件结构中，反演对称性会被破坏
正规化用于通过得分蒸馏的生成扩散模型的全波形反演，Saudi Aramco
正则化是全波形倒置（FWI）的重要方面，正规化提出的现实事先可以帮助降低逆问题的非线性和不良性。最近，生成扩散模型在学习数据分配方面表现出了出色的性能，使其成为反问题的理想事务。我们建议利用特定的扩散模型，即denoising扩散概率模型（DDPM），以制定FWI的重态化。分数蒸馏技术被设置为绕过神经网络的Ja-Cobian的计算，从而导致正规化项的强大而有效的实现。使用Marmousi模型的初始示例证明了所提出的方法的有效性。