Sensibilità neurale e kernel di tangente d'onda spiegano la convergenza di NeurFWI

Un nuovo studio da arXiv (2605.14370) introduce il kernel di sensibilità neurale (NSK) e il kernel di tangente d'onda (WTK) per analizzare teoricamente l'inversione full-waveform riparametrizzata neurale (NeurFWI). NeurFWI utilizza reti neurali per rappresentare i parametri dell'equazione d'onda, riducendo la dipendenza da modelli iniziali di alta qualità e dati del campo d'onda, ma soffre di una lenta convergenza ad alta risoluzione. I framework NSK e WTK mostrano che il kernel tangente neurale (NTK) modula adattivamente i kernel di sensibilità originale e di tangente d'onda, producendo filtraggio spettrale, modulazione del numero d'onda del gradiente e bias di frequenza dell'onda. Questi effetti collegano il comportamento di convergenza attraverso i domini del modello e dei dati, chiarendo il meccanismo sottostante di NeurFWI.