近期，华为AI4S实验室携手清华大学李懋坤教授团队及华为先进计算与存储实验室，共同开发了一款基于昇腾AI处理器与昇思MindSpore AI框架的创新大地电磁智能反演模型。此模型通过变分自编码器（VAE）巧妙结合多物理先验知识，实现了行业领先的性能。该成果已获国际知名地球物理期刊《Geophysics》收录，并已将其代码整合至昇思MindSpore Elec电磁仿真套件的代码库中，供公众查阅。同时，该成果亦于2024年昇思人工智能框架峰会上展出。

大地电磁反演作为关键的地球物理勘探手段之一，通过分析地面电磁场与地下物质（如岩石、矿床）的电导率、磁导率等物理特性间的关系，推算地下物质的电磁参数分布，进而揭示地下资源。相较于地震波反演，大地电磁反演具有探测深度大、测量复杂度低、操作便捷的优势，但传统方法，如像素反演法，仍面临数据分辨率低、病态性与多解性等挑战。

新开发的智能反演模型分为两大部分：首先，运用先验知识随机生成电阻率分布图，并进行VAE的自编码预训练，建立解码器与隐变量间的映射关系。此过程中，我们引入了创新的1D子域编码方案，以降低数据集复杂性，节省训练成本，同时灵活整合不确定性先验知识。其次，在预训练后，通过观测数据对隐变量进行高斯牛顿迭代反演，并在迭代中加入当前步隐变量梯度与前一步隐变量相关的正则项，以增强反演稳定性。

通过上述步骤，该模型显著提高了大地电磁反演的分辨率，有效解决了病态性和多解性问题。借助昇思MindSpore框架的分布式并行与自动微分功能，实现了高效变分自编码器的预训练与推理，进一步优化了反演过程的稳定性和效率。

在实际应用中，反演区域覆盖10公里宽、1公里深的范围。对比显示，新模型在精度上超越传统方法（前者残差值分别为0.0056和0.0054，后者为0.023和0.024），且收敛速度更快（前者为4和4步，后者为6和4步）。在南部非洲的开源数据集（SAMTEX）上，该模型表现同样出色，特别是在100公里至400公里的水平范围内，20公里深的区域存在高导结构，传统方法在探测深度方面受限，而新模型通过融合先验知识，成功地描绘了高导地层的下边界。

昇思MindSpore为用户提供了AI4S加速库，该模型充分应用了该库，取得显著成果。未来，AI4S加速库有望进一步拓展模型的应用领域，并促进更多企业和研究机构的协同创新，共同推进智能电磁技术的发展。

欲了解详细信息，请访问以下链接： - 论文链接：https://library.seg.org/doi/10.1190/geo2022-0774.1 - MindSpore Science开源路径：https://gitee.com/mindspore/mindscience - 昇思大地电磁智能反演模型开源路径：https://gitee.com/mindspore/mindscience/tree/master/MindElec/examples/hybriddriven/featurebasedMTinversion