由洛斯阿拉莫斯国家实验室的尼克·恩杰戈米尔 地震发生器是实验室开发的一种机器学习技术，能够产生高质量的合成地震波形
该技术可以节省繁琐和密集的人工标记工作，并有助于提高地震检测
信用:洛斯阿拉莫斯国家实验室 根据最近发表在《JGR固体地球》杂志上的一项研究，一种新的机器学习模型可以生成逼真的地震波形，这将减少人工劳动，提高地震探测能力
“为了验证我们的生成模型的有效性，我们将它应用于在俄克拉荷马州收集的地震现场数据，”洛斯阿拉莫斯国家实验室地球物理小组的计算科学家、该项目的首席研究员林友佐说
“通过一系列定性和定量测试和基准测试，我们发现我们的模型可以生成高质量的合成波形，并改进基于机器学习的地震检测算法
" 快速准确地探测地震是一项具有挑战性的任务
人们进行的视觉检测长期以来被认为是黄金标准，但是需要密集的人工劳动，这对于大数据集来说是不合适的
近年来，基于机器学习的自动检测方法提高了数据采集的准确性和效率；然而，这些方法的准确性依赖于对大量高质量、有标签的训练数据的访问，这些数据通常有数万条或更多的记录
为了解决这一数据难题，研究小组开发了基于生成对抗网络的地震发生器，这是一种能够在多个领域生成高质量合成样本的深度生成模型
换句话说，深度生成模型训练机器去做事情，并创造新的数据，这些数据可以被当作真实存在
一旦经过训练，地震发生器模型能够产生多种标记的真实地震波形
当应用于俄克拉荷马州的真实地球地震数据集时，该团队发现，在只有少量标记的训练数据可用的情况下，地震发生器生成的合成波形的数据增强可用于改进地震检测算法
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
