IA générative et résolution de problèmes inverses en Géosciences
Dans le contexte du changement climatique et de la transition énergétique, il est essentiel de bien caractériser le sous-sol mais aussi de surveiller son évolution. Les méthodes géophysiques permettent d’imager le sous-sol sans être intrusives.
Ces dernières années, le Centre de Géosciences de Mines Paris a regardé en quoi l’IA pouvait contribuer à résoudre ce type de problèmes inverses. Il est tout d’abord important de considérer un cadre probabiliste pour obtenir non pas une image unique du sous-sol mais un ensemble d’images et les incertitudes associées. Les réseaux neuronaux permettent potentiellement de remplacer les modélisations physiques directes et adjointes très coûteuses. Un second réseau neuronal est proposé pour s’assurer que les réalisations évaluées seront toutes cohérentes avec le type de géologie considérée.
Les enjeux sont les suivants : il s’agit d’obtenir des simulations conditionnelles, cohérentes avec un modèle géologique du sous-sol, et dans lequel les données synthétiques issues d’un processus physique (comme la propagation des ondes) respectent les données observées. Les applications réalistes avec des jeux de données de grande taille sont aussi un défi à relever.
Contacts : Nicolas Desassis, Hervé Chauris, Etienne Decencière, Claude Tadonki
Centres : CMM, CRI, Géosciences
