geoscience

本文介绍了Geo-Strat-RL，一个使用可验证奖励强化学习（RLVR）来训练视觉语言模型从地层图和地震数据中推理地质事件历史的合成环境，展示了改进的重建和跨领域迁移能力。

本文研究了句子嵌入能否作为推理时接口，将地质知识注入到学习型达西流反演求解器中，发现文本条件化相比无文本反事实降低了81%的重构误差，且大部分增益来自类别级约束。

研究人员提出了一种物理信息机器学习（PIML）框架，将水文约束整合到LSTM损失函数中，以改善短期洪水预报，特别是在数据稀缺的情况下。一种“趋势对齐”约束确保了降水与流量趋势之间的一致性，提高了纳什-苏特克利夫效率，并消除了极端事件期间的非物理预测。

SubsurfaceGen 是一个基于 GPU 加速的 3D 速度模型与地震数据生成器，并发布了一个包含 4276 张 2D 速度切片及其相应波场和炮集的数据集，覆盖六种地质场景，旨在推动全波形反演的机器学习发展。