FAD: Foundation-Model Aided Deep Learning for Marine Seismic Interference Attenuation
利用基础模型辅助深度学习开展海洋地震干扰噪声衰减，北大官方教师页记录为 Geophysics 已接收。
刘马
GeoBrain · People
马坚伟
团队负责人
北京大学博雅特聘教授、人工智能地球科学中心主任，研究聚焦勘探地球物理、应用数学与人工智能交叉。
北京大学地球与空间科学学院 / 人工智能研究院
勘探地球物理反问题深度学习
照片来源：北京大学官方教师主页 ↗
Verified work
已核验成果
Feature-Space Planes Searcher: A Universal Domain Adaptation Framework for Interpretability and Computational Efficiency
冻结特征编码器并优化决策边界，在保持可解释性的同时降低跨域适应的计算成本。
成葛马
GeoFormer: Geometry-Aware Transformer and its application to 5D First-Arrival Picking
将采集几何显式注入预叠地震 Transformer，在强噪声条件下提升五维初至拾取的稳健性。
高马
Personalized Federated Learning via Gaussian Generative Modeling
以高斯生成建模刻画客户端异质性，在全局协作与个性化表示之间建立双尺度融合机制。
胡马
Robust Losses from Univariate Base Functions for Noisy-Label Learning
从一元基函数系统构造多分类鲁棒损失，为噪声标签学习提供可分析、可扩展的设计框架。
胡马
Spectral Convolutional Neural Networks for Ground Roll Attenuation
利用频谱卷积神经网络研究面波等相干噪声的智能衰减，当前记录为修回状态。
高马
Towards Foundation Model-Driven Geophysical Inversion by Low-Rank Adaptation and Attention Gates
以注意力门和改进 LoRA 构建参数高效的三维速度建模流程，融合初始速度、RTM 图像与少量井数据进行适配。
马
Foundation Models for Exploration Geophysics
系统讨论勘探地球物理基础模型的层级、开发流程、应用与挑战，并将地球物理 Agent 和 Copilot 纳入技术体系。
刘马
Interpolation-Inspired Self-Supervised Method for Seismic Deblending
从插值视角构建自监督地震混叠分离方法，在无完整标签条件下学习有效的干扰压制表示。
胡马
Seismology Modeling Agent: A Smart Assistant for Geophysical Researchers
SPECFEM MCP servers将 SPECFEM 2D、3D Cartesian 与 3D Globe 的参数、网格、求解和可视化流程封装为 MCP 工具，支持自动执行与人在回路协作。
马
Generative Interpolation via Diffusion Probabilistic Model
以扩散概率模型学习地震数据分布，为缺失道插值提供生成式重建路径。
刘马
HC-MVSNet: A Probability Sampling-Based Multi-View-Stereo Network with Hybrid Cascade Structure for 3D Reconstruction
通过混合级联结构解耦特征分辨率与深度间隔，并使用概率采样提升多视图三维重建的精度、完整性与泛化。
高马
FWIGAN: Full-Waveform Inversion via a Physics-Informed Generative Adversarial Network
FWIGAN implementation将对抗学习与声波方程生成器结合，以物理一致的方式更新速度模型并完成全波形反演。
马
Sensing Prior Constraints in Deep Neural Networks for Solving Exploration Geophysical Problems
从训练数据、网络层与损失函数三个层面总结如何将地质和地球物理先验嵌入深度网络。
马
Deep Learning for Geophysics: Current and Future Trends
综述深度学习在勘探地球物理、地震学与遥感等方向的进展、挑战和未来趋势。
马
Deep Learning for Denoising
MathGeo toolbox系统研究监督学习在地震去噪中的适用条件，并强调数据与标签质量对模型表现的影响。
马
Deep-Learning Inversion: A Next-Generation Seismic Velocity Model Building Method
FCNVMB implementation通过深度全卷积网络直接建立多炮地震数据到速度模型的映射，探索下一代快速速度建模。
马
Seismic Data Restoration via Data-Driven Tight Frame
MathGeo toolbox从当前插值数据中自适应学习紧框架滤波器，以稀疏正则化恢复复杂结构中的缺失地震道。
马
Seismic Data Reconstruction via Matrix Completion
将缺失地震道恢复转化为低秩矩阵补全问题，并比较高效核范数优化算法。
马
The Curvelet Transform
综述曲波变换的多尺度、多方向表征能力及其在图像和科学计算中的应用。
马