A Review of Deep-learning-based Seismic Data Denoising and Its Promising Paradigm Shift to Foundation Models

Bajo la superficie de la Tierra yace una compleja historia de capas de roca, fallas y recursos ocultos, pero escuchar esa historia es a menudo como intentar oír un susurro en un huracán. Los geofísicos utilizan ondas sonoras para mapear estas estructuras subterráneas, enviando vibraciones hacia abajo y registrando cómo rebotan. Sin embargo, el viaje de estas ondas rara vez es limpio. A medida que viajan, son golpeadas por una mezcla caótica de interferencias: el estruendo del tráfico distante, la vibración del viento, los picos erráticos de equipos eléctricos y la energía natural y ondulante del propio suelo. Este ruido de fondo ahoga las señales tenues y valiosas que revelan la verdadera forma del subsuelo. Durante décadas, los científicos han intentado filtrar este ruido utilizando reglas matemáticas diseñadas para tipos específicos de interferencia, pero la Tierra es demasiado variada para que una sola regla funcione en todas partes. Cuando el ruido cambia, los filtros antiguos suelen fallar, a veces eliminando los mismos señales que debían proteger.

Un equipo de investigadores de la Universidad de Jilin y la Universidad Eléctrica de Energía del Noreste ha propuesto una forma diferente de resolver este problema, alejándose de la construcción de una nueva herramienta para cada tipo específico de ruido y avanzando hacia la creación de un sistema único y altamente adaptable. Desarrollaron un nuevo enfoque llamado "modelo fundacional", un concepto tomado de cómo las computadoras aprenden a entender el lenguaje o a reconocer imágenes. En lugar de enseñar a una computadora a reconocer solo un tipo de ruido, le enseñaron el lenguaje fundamental de las señales sísmicas limpias. Al exponer el sistema a enormes cantidades de datos limpios primero, el modelo aprendió los patrones intrínsecos de cómo se comportan naturalmente las ondas sísmicas. Una vez que comprendió la "voz" de la Tierra, los investigadores demostraron que podía aprender rápidamente a ignorar tipos específicos de ruido con muy poca instrucción adicional. Su trabajo, centrado en un sistema que llamaron SeisDeFM, demuestra que este método puede eliminar el ruido errático, externo y aleatorio mientras preserva las delicadas y profundas reflexiones que los métodos tradicionales suelen dañar.

El núcleo de este nuevo método reside en un proceso de aprendizaje de dos pasos que refleja cómo un humano podría aprender una habilidad. Primero, el sistema se somete a una fase masiva de preentrenamiento. Imagine a un estudiante pasando años leyendo todos los libros de una biblioteca para entender la estructura del lenguaje, el flujo de las oraciones y la lógica de las historias, sin haber sido solicitado jamás para escribir un ensayo específico. En esta etapa, el modelo SeisDeFM estudió miles de registros sísmicos limpios, aprendiendo a reconocer los patrones continuos y coherentes de los eventos geológicos reales. Aprendió a distinguir el flujo suave y lógico de una reflexión de la naturaleza caótica y fragmentada del ruido. Esta fase fue autosupervisada, lo que significa que el modelo se enseñó a sí mismo intentando reconstruir datos incompletos, forzándolo a comprender las conexiones profundas entre diferentes partes de un registro sísmico.

Una vez que el modelo había dominado el lenguaje general de las ondas sísmicas, pasó a la segunda etapa: la adaptación. Aquí es donde el sistema aprende a manejar problemas específicos. En el pasado, si un geofísico quería eliminar un tipo específico de ruido, como las ondas ondulantes de la superficie, tenía que entrenar un nuevo modelo desde cero utilizando miles de ejemplos de ese ruido exacto. Esto era lento y requería vastas cantidades de datos etiquetados. Con SeisDeFM, los investigadores solo necesitaron una fracción mínima de esos datos. Tomaron el modelo preentrenado y le mostraron solo unos pocos miles de ejemplos de datos ruidosos emparejados con su versión limpia. Debido a que el modelo ya entendía la estructura subyacente de las señales, pudo aprender rápidamente a identificar y restar el nuevo ruido. En sus pruebas, el modelo logró resultados superiores utilizando solo una décima parte de los datos etiquetados requeridos por los métodos tradicionales, demostrando que una comprensión profunda de la señal permite un aprendizaje mucho más rápido y eficiente del ruido.

Los investigadores probaron este sistema contra cuatro tipos distintos y difíciles de ruido encontrados en datos de campo del mundo real. El primero fue el ruido errático, que aparece como picos repentinos de alta amplitud causados por cosas como fallos de grabación o el viento. Los métodos tradicionales suelen tener dificultades aquí, ya sea dejando los picos atrás o eliminando accidentalmente las señales débiles que ocurren cerca de ellos. El nuevo modelo, sin embargo, eliminó con éxito estos picos manteniendo intactas las reflexiones tenues y profundas. La segunda prueba involucró ruido externo proveniente de la actividad humana, como el movimiento de vehículos, que puede emborronar los datos. Nuevamente, el modelo fundacional limpió los datos de manera más exhaustiva que los métodos anteriores, preservando la continuidad de las capas geológicas. El tercer desafío fueron las ondas de superficie, un ruido potente de baja frecuencia que a menudo enmascara las primeras reflexiones del suelo. El modelo suprimió estas ondas por completo sin emborronar los detalles nítidos del subsuelo. Finalmente, lo probaron contra el ruido aleatorio, la interferencia similar a la estática que cubre un amplio rango de frecuencias. El modelo eliminó este ruido manteniendo la integridad espectral de la señal, asegurando que el contenido de frecuencia de la respuesta de la Tierra siguiera siendo preciso.

Un hallazgo clave del estudio es que el éxito del modelo depende de combinar dos formas diferentes de observar los datos. Los investigadores construyeron el sistema con una arquitectura dual: una parte que observa de cerca los detalles locales pequeños, y otra que da un paso atrás para ver el panorama general a través de todo el registro. La parte local es excelente para captar la forma específica de un pico de ruido, mientras que la parte global entiende cómo un evento sísmico se extiende a través del tiempo y el espacio. Al fusionar estas perspectivas, el modelo evita el error común de confundir una señal débil y continua con ruido. El estudio también mostró que, si bien el modelo requiere una cantidad significativa de potencia de cómputo para aprender el lenguaje general de las ondas sísmicas inicialmente, el proceso real de aplicarlo a un nuevo trabajo es increíblemente rápido y eficiente. No necesita ser reentrenado desde cero para cada nueva ubicación o tipo de ruido; simplemente adapta su conocimiento existente.

Los resultados sugieren un cambio en cómo podrían procesarse los datos sísmicos en el futuro. En lugar de construir una herramienta nueva y especializada para cada nuevo problema de ruido, la industria podría depender de un único y robusto modelo fundacional que haya aprendido la física fundamental de la Tierra. Este enfoque no solo ahorra tiempo y recursos computacionales, sino que también mejora la calidad de la imagen final al reducir el riesgo de eliminar accidentalmente datos valiosos. Los investigadores demostraron que, al enseñar a una máquina a entender la "verdad" de una señal limpia primero, se vuelve mucho mejor al reconocer y eliminar las "mentiras" del ruido. Este método ofrece un camino prometedor para manejar los volúmenes masivos de datos recolectados en la exploración moderna, convirtiendo una grabación caótica y ruidosa en un mapa de alta fidelidad y claridad del subsuelo.