随着油气勘探目标日益复杂，地震勘探技术亟待升级。东方物探全球首创的“两宽一高”技术成为行业引领，但其核心环节——全波形反演（FWI）因依赖高算力数值求解（如声波/弹性波方程），面临巨大成本挑战。

2025年5月28日，3000亿参数昆仑大模型发布会在京举办，全面展示昆仑大模型建设应用成果，见证人工智能对行业发展的变革影响。

2024年，中石油启动“人工智能+”行动，依托昆仑大模型聚焦FWI科学计算攻关。由中石油东方物探、人大高瓴人工智能学院、华为计算产品线AI4S Lab组成的产学研团队，突破FWI算力瓶颈，解决FWI正反演过程算力成本高、技术发展推广难的问题。研发AI驱动的FWI新一代解决方案，实现地震波求解效率量级提升，推动油气勘探“AI换芯”进程。

该研究基于昇思MindSpore AI4S使能套件，通过数据与机理双驱动的解决方案、应用昇思自动微分技术，并基于扩散模型的三维地质数据生成技术提升求解效率。

技术亮点

图1. 模型推理过程示意

关键技术一：

数据与机理双驱动的波动方程智能求解方法

基于神经算子构建物理引导正演模型框架，深度融合数值求解器数学机理，增强解释性与泛化能力。网络编码解析速度场、震源等输入参数，构造物理约束损失函数。创新采用“混合专家（MOE）预训练 +微调”的训练策略，大规模预训练分频段学习波场传播特征，增强对多种震源波形的适应能力。少量真实数据微调提升实际场景求解能力。推理实现“神经网络预测-传统算法修正”协同计算范式，保留求解器高精度的同时提升声波方程求解效率1个数量级。

关键技术二：

基于自动微分的反演框架

基于MindSpore自动微分框架，构建可微分正演流程，从而在反演中省去传统伴随方法波场反传过程，直接自动求取速度模型梯度修正量，减少了约 50% 计算量的同时大大简化了计算流程。支持灵活切换多种反演策略，并引入多种多参数优化相关优化策略，有助于跨过周期跳跃导致的局部最优，显著降低反演对准确初始速度模型的依赖。

关键技术三：

基于扩散模型的三维地质数据生成技术

首创基于扩散模型的技术，通过渐进式噪声添加与去噪机制捕捉复杂地质结构特征，解决三维地质速度模型数据稀缺的问题。采用大规模模拟数据预训练 + 少量真实场景数据微调的训练策略。成功生成包含断层、盐丘等复杂地质构造的速度模型，涵盖不同地质条件和反演中间状态。突破传统数据采集限制，极大丰富正演模型训练所需数据规模，为成功训练奠定基础。

价值收益

图2. a) 地震数据 (黑白) 与模拟数据 (红蓝) 精确叠合；b) 反演的初始速度模型；c) 反演结果用于成像显示出清晰的地层轮廓

该解决方案在求解效率提升10倍以上，并在落地应用上得到验证：

1.求解效率量级跃升：

二维/三维声波方程正演计算效率提升4-6倍，全波形反演整体效率提升超10倍，初始模型依赖程度降低40%，为FWI技术的工业化应用扫清了关键障碍。未来有望将三维FWI处理从“数月级”缩短至“周级”，5分钟智能反演可完成传统集群数小时工作量。 使高精度成像计算更易获得，实现声波高精成像算力平权。

2.工业化落地与赋能：

已完成二维实际资料验证及三维模型小试。成功实现某海洋拖缆资料6km测线二维反演生产验证，效率提升10倍以上，反演显示清晰浅层轮廓和高精度成像潜力，精度达标。计划于2025年在中石油2-3个生产项目试点。未来将集成端到端智能赋能的FWI应用模块到东方物探核心软件系统GeoEast，实现“智能化换芯”。

未来，AI驱动的FWI新一代解决方案有望引领行业范式革新：不仅推动FWI发展，也为地质勘探、医学成像等领域的反问题求解提供新方法论，推动全产业链智能化升级。