บทนำเกี่ยวกับอัลกอริทึมการผกผันคลื่นเต็มรูปแบบ

บทนำเกี่ยวกับอัลกอริทึมการผกผันคลื่นเต็มรูปแบบ (FWI)

1. เพนดาฮูหลวน

ในสาขาธรณีฟิสิกส์สมัยใหม่ ความต้องการที่จะ "มองเห็น" โครงสร้างใต้พื้นผิวโลกกำลังเพิ่มมากขึ้น อุตสาหกรรมพลังงาน การบรรเทาภัยพิบัติ การสำรวจพลังงานความร้อนใต้พิภพ และแม้แต่การวิจัยทางธรณีวิทยา ล้วนต้องการแบบจำลองใต้พื้นผิวที่ละเอียด เช่น ความเร็วของคลื่นแผ่นดินไหวเปลี่ยนแปลงอย่างไรตามความลึก ตำแหน่งของขอบเขตชั้นหินอยู่ที่ใด และความไม่สม่ำเสมอเล็กน้อยส่งผลต่อการแพร่กระจายของคลื่นอย่างไร หนึ่งในวิธีการที่มีประสิทธิภาพที่สุดสำหรับจุดประสงค์นี้คือ การผกผันคลื่นเต็มรูปแบบ (Full Waveform Inversion: FWI) ซึ่งเป็นอัลกอริธึมการผกผันที่ใช้ข้อมูลทั้งหมดจากรูปคลื่นแผ่นดินไหวเพื่อประมาณค่าพารามิเตอร์ทางกายภาพใต้พื้นผิว

FWI มักถูกกล่าวถึงว่าเป็น "มาตรฐานทองคำ" ของการวิเคราะห์คลื่นไหวสะเทือน เนื่องจากสามารถสร้างภาพใต้พื้นดินที่มีความละเอียดสูง เหนือกว่าวิธีการแบบดั้งเดิมที่ใช้เพียงเวลาเดินทางหรือแอมพลิจูดอย่างง่าย อย่างไรก็ตาม พลังนี้ก็มาพร้อมกับต้นทุน: FWI ต้องการแบบจำลองคลื่นที่แม่นยำ ทรัพยากรการคำนวณจำนวนมาก และกลยุทธ์การปรับให้เหมาะสมอย่างระมัดระวังเพื่อหลีกเลี่ยงการตกอยู่ในผลลัพธ์ที่ผิดพลาด

บทความนี้จะแนะนำแนวคิดพื้นฐานของ FWI ส่วนประกอบหลักของอัลกอริธึม ตลอดจนความท้าทายและกลยุทธ์ทั่วไปในการนำไปใช้งาน

-

2. การกลับเฟสคลื่นเต็มรูปแบบ (Full Waveform Inversion) คืออะไร?

กล่าวโดยสรุป FWI คือกระบวนการค้นหาแบบจำลองใต้พื้นผิวที่ตรงกับข้อมูลแผ่นดินไหวจำลองกับข้อมูลแผ่นดินไหวที่สังเกตได้ดีที่สุด "ความเหมาะสมที่สุด" ถูกกำหนดโดยฟังก์ชันเป้าหมาย (ความคลาดเคลื่อน) เช่น ผลต่างกำลังสองระหว่างข้อมูลที่สังเกตได้และข้อมูลสังเคราะห์ ณ แต่ละจุดเวลาและแต่ละตัวรับสัญญาณ

ความแตกต่างพื้นฐานระหว่าง FWI กับวิธีการผกผันอื่นๆ มีดังนี้:
– FWI ใช้ข้อมูลคลื่นทั้งหมด (เฟส แอมพลิจูด การรบกวน การสะท้อนหลายครั้ง การเลี้ยวเบน) ไม่ใช่แค่การเลือกเวลาที่คลื่นมาถึงเท่านั้น
– FWI อาศัยการแก้สมการคลื่น (คลื่นเสียง คลื่นยืดหยุ่น หรือคลื่นไม่ยืดหยุ่น) เพื่อจำลองข้อมูลสังเคราะห์
– FWI เป็นปัญหาการหาค่าเหมาะสมที่สุดแบบไม่เชิงเส้นขนาดใหญ่ เนื่องจากพารามิเตอร์ของแบบจำลอง (เช่น ความเร็วคลื่น P หรือ S) อาจมีจำนวนเซลล์นับล้านบนตาราง 2 มิติ/3 มิติ

-

3. ส่วนประกอบหลักใน FWI

3.1 ข้อมูลจากการสังเกตและข้อมูลสังเคราะห์
FWI กำหนดให้:
– ข้อมูลจากการสังเกตการณ์: บันทึกคลื่นไหวสะเทือนภาคสนาม (ชุดข้อมูลการยิง) จากแหล่งกำเนิดและเครื่องรับสัญญาณต่างๆ
– ข้อมูลสังเคราะห์: ผลลัพธ์จากการจำลองเชิงตัวเลขของการแพร่กระจายคลื่นบนแบบจำลองชั่วคราว

ข้อมูลสังเคราะห์คำนวณได้จากการแก้สมการคลื่น (เช่น สมการคลื่นเสียง):

\[
\frac{1}{v^2(\mathbf{x})}\frac{\partial^2 p}{\partial t^2} – \nabla^2 p = s(\mathbf{x},t)
\]

โดยที่ \( v(\mathbf{x}) \) คือความเร็วของคลื่น, \( p \) คือความดัน/คลื่นแบบสเกลาร์ และ \( s \) คือแหล่งกำเนิด

3.2 แบบจำลองเบื้องต้น
FWI มีความไวต่อแบบจำลองเริ่มต้นมาก หากแบบจำลองเริ่มต้นอยู่ห่างไกลจากสภาพจริงมากเกินไป อัลกอริทึมอาจเกิดการข้ามรอบ ซึ่งก็คือเมื่อความแตกต่างของเฟสระหว่างข้อมูลสังเคราะห์และข้อมูลที่สังเกตได้มีมากกว่าครึ่งรอบ ทำให้เกรเดียนต์ผลักดันคำตอบไปในทิศทางที่ผิด

แบบจำลองเริ่มต้นมักได้มาจาก:
– การผกผันเวลาเดินทาง (โทโมกราฟี)
– แบบจำลองความเร็วระดับมหภาคจากการวิเคราะห์ทางธรณีวิทยา
หรือวิธีการแบบหลายระดับ (เริ่มต้นจากความถี่ต่ำ)

3.3 ฟังก์ชันวัตถุประสงค์ (ความคลาดเคลื่อน)
ฟังก์ชันวัตถุประสงค์ทั่วไป:

\[
J(m)=\frac{1}{2}\sum_{s}\sum_{r}\int (d_{\text{syn}}(t; m)-d_{\text{obs}}(t))^2 \, dt
\]

โดยที่ \( m \) คือพารามิเตอร์ของแบบจำลอง (เช่น ความเร็ว) \( s \) คือดัชนีของแหล่งกำเนิด และ \( r \) คือดัชนีของตัวรับ

นอกจากความคลาดเคลื่อน L2 แบบคลาสสิกแล้ว ยังมีความคลาดเคลื่อนทางเลือกอื่นๆ เพื่อลดการข้ามรอบการทำงาน เช่น:
– ความไม่ลงตัวตามซองจดหมาย
– ความไม่ลงตัวเฉพาะเฟสเท่านั้น
– การขนส่งที่เหมาะสมที่สุด (Wasserstein)
– หรือตัวกรองที่ตรงกัน

3.4 การคำนวณเกรเดียนต์: วิธีสถานะผกผัน
หนึ่งในคุณสมบัติสำคัญของ FWI คือวิธีการคำนวณเกรเดียนต์อย่างมีประสิทธิภาพ เนื่องจากจำนวนพารามิเตอร์ของแบบจำลองมีมาก การหาอนุพันธ์เชิงตัวเลขโดยตรงจึงเป็นไปไม่ได้ วิธีแก้ปัญหาคือวิธีสถานะผกผัน (adjoint-state method)

ภาพที่เข้าใจได้ง่าย:
1. การสร้างแบบจำลองไปข้างหน้า: คำนวณสนามคลื่นไปข้างหน้าจากแหล่งกำเนิดในแบบจำลองกระแสไฟฟ้า
2. คำนวณค่าความคลาดเคลื่อนของข้อมูล \( \Delta d = d_{\text{syn}} – d_{\text{obs}} \).
3. การสร้างแบบจำลองแอดจอยต์: ฉีดส่วนที่เหลือเข้าไปเป็น "แหล่งกำเนิดสัญญาณส่งกลับ" จากตำแหน่งตัวรับ และส่งย้อนกลับไปในเวลา
4. ความสัมพันธ์ระหว่างสนามคลื่นไปข้างหน้าและสนามคลื่นผกผันก่อให้เกิดความชันต่อพารามิเตอร์ของแบบจำลอง

ด้วยเทคนิคนี้ ต้นทุนการคำนวณของเกรเดียนต์จะเทียบเท่ากับการสร้างแบบจำลองคลื่นต่อแหล่งกำเนิด (ไปข้างหน้า + ผกผัน) ประมาณสองเท่า ดังนั้นจึงยังคงมีขนาดใหญ่ แต่ก็สามารถทำได้บน HPC/GPU

3.5 แผนการปรับปรุงแบบจำลอง (การปรับให้เหมาะสม)
เมื่อได้ค่าเกรเดียนต์ \( \nabla J \) แล้ว โมเดลจะได้รับการปรับปรุงโดยใช้วิธีการหาค่าเหมาะสมที่สุด ตัวอย่างเช่น:
– ทางลงที่ชันที่สุด (ง่ายที่สุด)
– การไล่ระดับเชิงคอนจูเกต
– L-BFGS (นิยมใช้เนื่องจากมีประสิทธิภาพสำหรับปัญหาขนาดใหญ่)
– หรือวิธีของนิวตัน/วิธีควาซี-นิวตัน

การอัปเดตพื้นฐาน:

\[
m_{k+1} = m_k – \alpha_k \, H_k^{-1}\nabla J(m_k)
\]

โดยที่ \( \alpha_k \) คือความยาวขั้นตอน และ \( H_k^{-1} \) คือการประมาณค่าผกผันของเมทริกซ์เฮสเซียน (เช่น ใน L-BFGS)

-

4. ขั้นตอนการทำงานของอัลกอริธึม FWI (ฉบับย่อ)

โดยทั่วไป FWI จะทำงานแบบวนซ้ำ:

1. เลือกโมเดลเริ่มต้น \( m_0 \).
2. สำหรับแต่ละแหล่งข้อมูล:
– ทำแบบจำลองไปข้างหน้า → ข้อมูลสังเคราะห์
– คำนวณค่าความคลาดเคลื่อนเทียบกับข้อมูลการสังเกต
– ทำการสร้างแบบจำลองแอดจอยต์
– การสะสมความชัน
3. ปรับแต่งภาพเบื้องต้น (เช่น การชดเชยความสว่างหรือการปรับภาพให้เรียบ)
4. ปรับปรุงแบบจำลองด้วยวิธีการปรับให้เหมาะสมที่สุด
5. ทำซ้ำจนกว่าจะได้ผลลัพธ์ที่เสถียรหรือถึงขีดจำกัดการวนซ้ำ

โดยทั่วไปแล้ว FWI จะทำงานในหลายระดับ เริ่มจากความถี่ต่ำ (เพื่อแก้ไขส่วนประกอบของแบบจำลองขนาดใหญ่) แล้วจึงค่อยขยับขึ้นไปยังความถี่สูงขึ้น (เพื่อเพิ่มรายละเอียด)

-

5. ความท้าทายหลักใน FWI

5.1 การข้ามรอบ
นี่คือปัญหาที่รู้จักกันดีที่สุด เมื่อข้อมูลสังเคราะห์และข้อมูลที่สังเกตได้ไม่ "สอดคล้องกัน" ความคลาดเคลื่อนของ L2 อาจนำไปสู่การหาค่าต่ำสุดเฉพาะที่ที่ผิดพลาดได้ วิธีแก้ปัญหาทั่วไปคือ:
– เริ่มต้นจากความถี่ต่ำมาก
– ปรับปรุงแบบจำลองเริ่มต้น (โทโมกราฟี)
- การใช้ตัวละครที่ไม่เข้าพวกทางเลือกอื่นๆ
– นำกลยุทธ์การกำหนดช่วงเวลาและการเลือกข้อมูลมาใช้

5.2 ต้นทุนการคำนวณ
การวิเคราะห์ FWI แบบ 3 มิติด้วยแหล่งกำเนิดหลายแหล่ง อาจต้องใช้การจำลองรูปคลื่นหลายพันถึงหลายล้านครั้ง ซึ่งต้องใช้สิ่งต่อไปนี้:
– การประมวลผลแบบขนาน (คลัสเตอร์, GPU)
– การบันทึกข้อมูลลงหน่วยความจำ (การทำ Checkpointing เพื่อบันทึกข้อมูลสนามคลื่น)
รวมถึงกลยุทธ์การเลือกชุดย่อยของแหล่งข้อมูล (การเข้ารหัสแหล่งข้อมูลหรือมินิแบตช์แบบแมชชีนเลิร์นนิง)

5.3 ความไม่สอดคล้องกันทางฟิสิกส์และสัญญาณรบกวน
ข้อมูลภาคสนามประกอบด้วยสัญญาณรบกวน ผลกระทบจากเครื่องมือ ความไม่สม่ำเสมอ การลดทอน (Q) ภูมิประเทศที่ซับซ้อน และความไม่แน่นอนของแหล่งกำเนิด หากการสร้างแบบจำลองไปข้างหน้าเรียบง่ายเกินไป (เช่น แบบจำลองเสียงเมื่อตัวกลางมีความยืดหยุ่น) ผลลัพธ์ของการวิเคราะห์ย้อนกลับอาจคลาดเคลื่อนได้

5.4 การกำหนดพารามิเตอร์ของแบบจำลอง
การเลือกพารามิเตอร์ที่จะทำการผกผัน (เช่น \( v_p \), ความหนาแน่น, \( v_s \), ความไม่สมมาตร, Q) ส่งผลต่อความไวและความเสถียร พารามิเตอร์ที่มากเกินไปอาจทำให้เกิดข้อแลกเปลี่ยนและทำให้การลู่เข้าแย่ลง

-

6. ใบสมัคร FWI

FWI ถูกนำไปใช้อย่างแพร่หลายในด้านต่างๆ ดังนี้:
– การสำรวจน้ำมันและก๊าซ: ปรับปรุงความละเอียดของแบบจำลองความเร็ว ช่วยในการเคลื่อนย้ายและตีความโครงสร้าง
– พลังงานความร้อนใต้พิภพ: การทำแผนที่เขตแนวรอยแตกและการเปลี่ยนแปลงทางธรณีวิทยา
– ธรณีวิทยาแผ่นดินไหวระดับโลก/ภูมิภาค: การสร้างภาพชั้นเนื้อโลกและเปลือกโลก
– งานด้านธรณีเทคนิคและวิศวกรรมผิวดิน: การสำรวจพื้นผิวตื้นเพื่อการวางรากฐาน อุโมงค์ และการบรรเทาผลกระทบ

ข้อดีของ FWI นั้นเห็นได้ชัดเจนเมื่อตัวกลางมีความซับซ้อนและข้อมูลอุดมไปด้วยข้อมูลคลื่น: การเลี้ยวเบนขนาดเล็ก เส้นทางหลายเส้น และคลื่นสะท้อนหลายครั้งที่โดยปกติถือว่าเป็นสัญญาณรบกวนนั้น แท้จริงแล้วอาจเป็นแหล่งข้อมูลได้

-

7. เพนนูอัพ

การผกผันคลื่นเต็มรูปแบบ (Full Waveform Inversion: FWI) เป็นอัลกอริทึมการผกผันคลื่นแผ่นดินไหวที่ใช้ประโยชน์จากข้อมูลมากมายที่มีอยู่ในรูปคลื่นเพื่อสร้างแบบจำลองใต้พื้นดินที่มีความละเอียดสูง กุญแจสำคัญสู่ความสำเร็จอยู่ที่การสร้างแบบจำลองสมการคลื่นที่แม่นยำ การคำนวณความชันที่มีประสิทธิภาพโดยใช้วิธีสถานะผกผัน (adjoint-state method) และกลยุทธ์การปรับให้เหมาะสมที่หลีกเลี่ยงจุดต่ำสุดเฉพาะที่ เช่น การข้ามรอบ (cycle skipping) แม้ว่าจะมีข้อกำหนดด้านการคำนวณสูงและการออกแบบขั้นตอนการทำงานที่รอบคอบ แต่ FWI ก็พิสูจน์แล้วว่าเป็นวิธีการที่มีประสิทธิภาพในการสร้างภาพทางธรณีวิทยาและการสำรวจทรัพยากร

ถ้าคุณสนใจ ผมสามารถเขียนบทความเชิงเทคนิคเพิ่มเติมได้ เช่น การอธิบายการหาอนุพันธ์ของแอดจอยต์อย่างเป็นทางการมากขึ้น ตัวอย่างรหัสเทียม FWI หรือกลยุทธ์มัลติสเกลแบบแบนด์พาสและแบบใช้หน้าต่างสำหรับข้อมูลจริง