Power-scaled Bayesian Inference with Score-based Generative Models

1. Problema e Contexto

A geração de modelos de velocidade sísmica do subsolo é fundamental para a exploração de hidrocarbonetos e monitoramento geofísico. A técnica padrão, a Inversão de Forma de Onda Completa (FWI), embora capaz de resolver modelos acústicos de alta resolução, enfrenta desafios significativos:

• Custo Computacional: Requer a solução repetida de equações diferenciais parciais (PDEs) baseadas em ondas.
• Não Convexidade: É propensa a convergir para mínimos locais devido à natureza não linear e mal-posta do problema.
• Sensibilidade: Depende fortemente de modelos iniciais.

Abordagens recentes baseadas em modelos generativos tentam mitigar esses problemas usando estatísticas resumidas (como imagens de Migração Reversa no Tempo - RTM). No entanto, existe um trade-off crítico:

• Métodos com priors fortes podem dominar a inferência, ignorando os dados observados.
• Métodos com priors não informativos dependem excessivamente dos dados, perdendo regularização e robustez, especialmente em regimes ruidosos ou subdeterminados.

O objetivo deste trabalho é criar um mecanismo flexível para controlar a influência relativa do prior (conhecimento prévio) e da verossimilhança (dados observados) sem a necessidade de re-treinar modelos para cada configuração.

2. Metodologia

Os autores propõem um framework de Inferência Bayesiana baseada em Pontuação (Score-Based) com Escala de Potência (Power-Scaling).

A. Fundamentos Teóricos

• Inferência Baseada em Simulação (SBI): Utilizam redes neurais para estimar a distribuição posterior $p(x|y)$, onde $x$ é o modelo de velocidade e $y$ são as imagens RTM (estatísticas resumidas).
• Modelos Generativos Baseados em Pontuação: Em vez de aprender a densidade diretamente, o modelo aprende o gradiente do logaritmo da densidade (a pontuação ou score), $\nabla_x \log p(x)$. O processo de amostragem segue uma Equação Diferencial Estocástica (SDE) ou ODE.
• Escala de Potência: Introduzem um fator de escala de potência para modular a influência dos componentes da posterior:
  $$p_{\lambda, \alpha}(x|y) \propto p(y|x)^\lambda p(x)^\alpha$$
  Onde $\lambda$ é o fator para a verossimilhança e $\alpha$ para o prior.
  • Aumentar $\lambda$ concentra a posterior em regiões de alta verossimilhança (mais dados).
  • Aumentar $\alpha$ reforça as suposições do prior (mais regularização).

B. Implementação Técnica

• Estimativa Unificada: Para evitar calcular gradientes de verossimilhança caros (que exigiriam simulações de ondas), eles utilizam uma identidade de Bayes para reescrever o gradiente da verossimilhança em termos dos gradientes da posterior e do prior:
  $$\nabla_x \log p(y|x) = \nabla_x \log p(x|y) - \nabla_x \log p(x)$$
  Isso permite estimar a pontuação escalada usando apenas os gradientes aprendidos do posterior e do prior.
• Guia sem Classificador (Classifier-Free Guidance - CFG): Um único rede condicional (U-Net) é treinada para estimar tanto a pontuação do posterior quanto a do prior. Durante o treinamento, a entrada de condicionamento (imagem RTM) é aleatoriamente mascarada (com probabilidade de 0.2). Isso permite que, na inferência, os gradientes sejam combinados linearmente com os pesos $\lambda$ e $\alpha$ para gerar amostras de qualquer distribuição escalada.
• Correção de Langevin: Um passo de correção baseado em Langevin é incorporado ao loop de amostragem para garantir a precisão e estabilidade das amostras da posterior escalada.

3. Contribuições Principais

1. Controle Flexível sem Retreinamento: O método permite ajustar a influência do prior e da verossimilhança apenas alterando os parâmetros $\lambda$ e $\alpha$ no momento da inferência, eliminando a necessidade de re-treinar a rede para diferentes configurações.
2. Análise de Sensibilidade: Facilita a exploração do espaço de soluções, permitindo aos pesquisadores entender como a incerteza e a estrutura do modelo mudam sob diferentes ponderações de dados e prior.
3. Eficiência Computacional: Embora exija passos de correção adicionais, o método evita avaliações diretas e caras da verossimilhança (simulações de ondas completas) durante a geração de amostras, mantendo tempos de geração de cerca de 4 segundos por amostra.

4. Resultados Experimentais

Os experimentos foram realizados em um modelo sísmico sintético 3D (derivado do modelo Compass) com imagens RTM como condicionamento.

• Escala do Prior ($\alpha$):
  • Baixos valores de $\alpha$ (ex: 0.25) resultam em alta variabilidade e estruturas geológicas difusas.
  • Altos valores de $\alpha$ (ex: 1.5) produzem modelos mais regularizados, com camadas mais nítidas e consistentes, refletindo padrões geológicos aprendidos.
• Escala da Verossimilhança ($\lambda$):
  • Aumentar $\lambda$ melhora a fidelidade aos dados observados (imagens RTM).
  • Descoberta Chave: A fidelidade máxima aos dados não ocorre no setting Bayesiano padrão ($\lambda=1$), mas sim em um valor super-ponderado ($\lambda \approx 2.0$). Acima desse ponto, ocorre overfitting e degradação do desempenho.
  • O resíduo dos dados (diferença entre dados simulados e reais) foi minimizado em $\lambda=2.0$.
• Bússola de Escala de Potência (Variação Conjunta):
  • A combinação de $\lambda > \alpha$ produz modelos que aderem fortemente aos dados observados.
  • A combinação de $\alpha > \lambda$ produz modelos mais suaves e geologicamente consistentes, mas menos alinhados aos detalhes finos dos dados.
  • Reduzir o poder do prior aumenta a diversidade estrutural das amostras.

5. Significado e Conclusão

O trabalho demonstra que a escala de potência é uma ferramenta poderosa para refinar a inferência Bayesiana em problemas inversos geofísicos.

• Refinamento de Posterior: Ajustar a verossimilhança para além do padrão Bayesiano ($\lambda > 1$) pode melhorar significativamente a precisão dos dados, corrigindo viéses ou sub-ajustes comuns em métodos tradicionais.
• Interpretabilidade: O framework oferece um meio controlado para equilibrar regularização e ajuste aos dados, permitindo a geração de conjuntos de soluções diversificadas para análise de incerteza.
• Aplicabilidade: Embora focado em modelos de velocidade sísmica, a metodologia é geral e aplicável a uma ampla classe de problemas inversos onde o custo de avaliação da verossimilhança é proibitivo.

Em suma, os autores propõem uma abordagem eficiente e flexível que supera as limitações de rigidez dos métodos generativos tradicionais, permitindo uma exploração mais profunda e controlada do espaço de soluções em inversão sísmica.