SWEEP (Seismic Wave Equation Exploration Platform): A Unified Solver Framework for Differentiable Wave Physics

SWEEP（Seismic Wave Equation Exploration Platform）は、自動微分機能とプラグアンドプレイアーキテクチャを備え、音波・弾性波・減衰・VTI・TTI など多様な波動方程式のモデルリングからフルウェーブフォーム逆解析（FWI）や最小二乗逆時間移動（LSRTM）などの勾配ベースの最適化までを統合的に支援する、拡張性の高い波動物理ソルバーフレームワークです。

要約

この論文は、**「SWEEP（シーミック・ウェーブ・エクスプロレーション・プラットフォーム）」**という、地震波の動きをシミュレーションするための新しい「万能工具箱」を紹介するものです。

専門用語を抜きにして、日常の例え話を使って解説します。

🌍 地球の「CT スキャン」を作るための新しい魔法の箱

地震調査とは、地下の岩や石油の層を調べるために、地面を叩いてその跳ね返り（地震波）を聞く作業です。これを正確に理解するには、複雑な「波の方程式」という数学のルールを解く必要があります。

これまでこの作業は、**「熟練した職人が、一つずつ手作業で設計図（数式）を描き、それを一つずつプログラムに書き起こす」**ような大変なものでした。間違えると、計算結果が嘘になってしまうというリスクがありました。

SWEEPは、その「手作業」をすべて自動化し、誰でも簡単に使えるようにした**「次世代のシミュレーション・エンジン」**です。

---

🧩 3 つの大きな特徴（魔法の仕組み）

1. 「自動運転」で数式を解く（自動微分）

• 昔のやり方： 逆方向に波を戻す計算（共役方程式）をするために、数学者が「あ、この式はこう変形して、あそこはこう計算して…」と手作業で複雑な変換を行っていました。
• SWEEP のやり方： 「自動微分（Automatic Differentiation）」という技術を使っています。
  • 例え： 料理のレシピ（波の動き）を AI がすべて覚えていて、「この材料（地下の構造）を変えたら、味（地震波のデータ）がどう変わるか」を瞬時に自動で計算してくれます。職人が手計算する必要がなくなり、誰でも複雑な逆算（地下の構造を特定する作業）が簡単に行えるようになりました。

2. 「レゴブロック」のように組み立てる（プラグ＆プレイ）

• 昔のやり方： 音波だけ計算するコード、弾性波（揺れ）を計算するコード、減衰（エネルギーが失われる）を計算するコードなど、それぞれがバラバラの箱に入っていて、組み合わせるのが大変でした。
• SWEEP のやり方： すべてが**「レゴブロック」**のように統一されています。
  • 例え： 「音波のブロック」「揺れのブロック」「減衰のブロック」を好きなように積み上げるだけで、**「音と揺れが混ざり合った複雑なシミュレーション」**が作れます。さらに、新しいブロック（新しい物理法則）を後から追加するだけで、システム全体がアップデートされます。

3. 「大勢の料理人」で同時に作る（高性能計算）

• 昔のやり方： 1 つのシミュレーションを終わらせるのに、1 人の料理人が順番に料理を作っていたので、時間がかかりました。
• SWEEP のやり方： 何百人もの料理人（GPU や TPU という高性能な計算機）を同時に動かし、**「1 回の手順で何十もの料理（複数の地震波シミュレーション）を同時に」**作れます。
  • 例え： 1 回で 100 個のハンバーガーを焼くのではなく、100 台のオーブンで同時に焼くイメージです。これにより、これまで数週間かかっていた計算が、数時間で終わるようになります。

---

🎨 このツールで何ができるの？

この「魔法の箱」を使うと、以下のようなことが簡単にできるようになります。

• 地下の 3D マップ作成（FWI）： 地震波のデータから、地下の岩の硬さや密度を、まるで CT スキャンのように鮮明に描き出すことができます。
• 画像の鮮明化（LSRTM）： ぼやけていた地下の画像を、くっきりと鮮明にリタッチできます。
• AI との連携： 最新の AI（ニューラルネットワーク）と組み合わせて、より賢い地下探査ができるようになります。

💡 まとめ

一言で言えば、**SWEEP は「地震波のシミュレーションを、難しい数学の専門知識がなくても、レゴブロックを組み立てるように簡単かつ高速に行えるプラットフォーム」**です。

これにより、研究者やエンジニアは、複雑な数式をいじる時間ではなく、「どうすればもっと正確に地下が見えるか」という本質的な課題に集中できるようになります。地球の奥深くを「見る」ための、画期的な新しい窓が開かれたと言えます。

技術概要

SWEEP (Seismic Wave Equation Exploration Platform) の技術的概要

本論文は、地震波伝播のモデリングと逆問題（反転）を解決するための統合的かつ拡張可能なソルバーライブラリ「SWEEP」を紹介するものです。自動微分（Automatic Differentiation: AD）をネイティブにサポートし、PyTorch と JAX の両方をバックエンドとして利用可能にする点に特徴があります。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細をまとめます。

1. 背景と課題 (Problem)

地震探査における速度モデル構築や画像化は、地下を伝播する地震波を支配する波動方程式を解くことに依存しています。特に全波形反転（FWI）や最小二乗逆時間移動（LSRTM）などの逆問題では、従来、**随伴状態法（Adjoint-state method）**を用いて、波動方程式の随伴方程式（Adjoint equation）と勾配式を人手で導出・実装する必要がありました。

この従来のアプローチには以下の課題がありました：

• 複雑性: 時間的な一貫性（ドット積テスト）、境界条件、ソース項などを慎重に扱う必要があり、実装が極めて複雑。
• 保守性と効率: コードの品質維持、正し性の保証、計算効率の向上が困難。
• 自動微分（AD）の実装ジレンマ:
  • PyTorch 系: 開発効率が高いが、実行時のパフォーマンスが低い傾向がある。
  • CUDA 系: 計算効率が高いが、実装の複雑さが増し、開発の柔軟性が低下する。

2. 手法とアーキテクチャ (Methodology)

SWEEP は、これらの課題を解決するために設計されたフレームワークです。

2.1 自動微分と高性能計算の統合

• バックエンド: PyTorch と JAX の両方をサポート。JAX は PyTorch 的な AD 機能を持ちつつ、JIT（Just-In-Time）コンパイルにより手書きの CUDA コードに匹敵するパフォーマンスを実現します。
• 時間ステップの抽象化: 波動方程式の時間ステップ更新を、再帰型ニューラルネットワーク（RNN）の構造に似た形で抽象化しています。これは物理的にニューラルネットワークを使用するのではなく、統一的なインターフェースを提供するための概念的な抽象化です。これにより、様々な波動方程式の導入が容易になります。

2.2 モジュール設計

実装は以下の 3 つの主要モジュールで構成され、ユーザーは単一の時間ステップにおける波動場更新挙動のみを定義すればよいように設計されています。

1. Propagator: 時間ステップ処理、メモリ割り当て、波動場の更新を担当。
2. Source: 波動場の注入（ソース配置）を管理。
3. Receiver: 指定された位置・成分での波動場記録を担当。

2.3 計算効率の最適化

• バッチモデリング: 複数のショット（震源）を同時に計算することで、カーネル起動のオーバーヘッドを削減し、計算性能を向上させます。
• 分散計算: PyTorch の DistributedDataParallel や JAX の pmap を使用することで、マルチ GPU/TPU 環境への拡張が容易です。

3. 主要な貢献 (Key Contributions)

1. 統一されたソルバーフレームワーク: 音波、弾性波、減衰（粘弾性）、VTI（垂直横等方性）、TTI（傾斜横等方性）など、多様な波動方程式とその Born 近似を単一のコードベースでサポート。
2. 自動微分による勾配計算の自動化: 随伴方程式の人手による導出を不要にし、FWI や LSRTM などの勾配ベース最適化手法をシームレスに実装可能にしました。
3. 柔軟な拡張性: プラグアンドプレイアーキテクチャにより、カスタム損失関数、ニューラルネットワークとの統合、マルチスケール反転戦略、ソース符号化技術などを容易に組み込めます。
4. 高品質なコードベース: 波動方程式の実装を整理・簡素化し、波動場分離や共通画像集（CIG）計算などの高次処理タスクの実装を容易にしています。

4. 結果と検証 (Results)

論文では、SWEEP を用いた多様な波動方程式の数値シミュレーション結果が示されています。

• 波動方程式の多様性:
  • 音波方程式: 1 次および 2 次形式、ベクトル反射率を含む形式。
  • 異方性モデル: VTI および TTI 媒質における音波方程式。特に、decoupled（非結合）形式を用いることで、qSV 波のアーティファクト（偽像）を回避できることが示されました。
  • 減衰モデル: 粘弾性音波方程式（位相シフト補正と振幅減衰の両方を考慮）。
  • 弾性波・結合モデル: 速度 - 応力形式の弾性波方程式、音波 - 弾性結合（AEC）方程式、擬似弾性波方程式。
• LSRTM への適用: 音波、弾性、音波 - 弾性結合の各モデルに対する線形化された逆時間移動（LSRTM）の数式を導出し、その実装可能性を示しました。
• 可視化: 異なる異方性パラメータ、減衰係数、速度構造における波動場の伝播様式を可視化し、物理的な挙動が正しく再現されていることを確認しました。

5. 意義と結論 (Significance)

SWEEP は、計算地球物理学の分野において以下の点で重要な意義を持ちます：

• 科学課題への集中: 低レベルの物理演算や勾配計算の複雑さを隠蔽することで、研究者がより高レベルのワークフロー設計（ニューラルネットワークを用いた速度表現、最適化戦略など）に集中することを可能にします。
• 伝統と最先端の架け橋: 従来の物理ベースのソルバーと、深層学習ベースのアプローチを統合するプラットフォームとして機能します。
• 大規模逆問題への対応: マルチ GPU 対応と高い計算効率により、大規模かつ複雑な地震逆問題の解決を現実的な時間枠で可能にします。

結論として、SWEEP は地震波モデリングと反転のための強力かつ柔軟な基盤を提供し、従来の手法から新興の AI 駆動手法までを包括する「統一されたソリューション」として位置づけられます。