热点事件持续更新
物理交叉模态掩码自编码器用于地震-测井表示学习
1 篇报道1 个报道来源6 小时前更新
先了解这件事
AI 综述
论文提出物理交叉模态掩码自编码器（CM-MAE），联合处理3D地震体积与1D测井深度片段，采用四轴旋转位置嵌入与稀疏Mixture-of-Experts层。预训练覆盖约178,000平方公里海域与陆上盆地及约92,000口井；匹配掩码消融显示地震上下文使测井重建提升9.73%，反向仅提升0.65%。海上压缩慢度盐体AUROC达0.910，陆上盆地保留层序结构但绝对校准仍依赖具体测线。
AI 根据报道生成 · 2 小时前更新
最新进展9月30日 12:00
论文发布于arXiv Machine Learning，披露CM-MAE架构、预训练规模与消融结果。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- arXiv · Machine Learning物理交叉模态掩码自编码器用于地震-测井表示学习
论文提出物理交叉模态掩码自编码器（CM-MAE），联合处理3D地震体积与1D测井深度片段，使用四轴旋转位置嵌入和稀疏Mixture-of-Experts层。预训练覆盖约178,000平方公里海域与陆上盆地及约92,000口井，匹配掩码消融显示地震上下文使测井重建提升9.73%，反向仅提升0.65%。海上压缩慢度盐体AUROC达0.910，陆上盆地保留层序结构但绝对校准仍依赖具体测线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。