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

Sob a superfície da Terra reside uma história complexa de camadas rochosas, falhas e recursos ocultos, mas ouvir essa história é frequentemente como tentar ouvir um sussurro em um furacão. Os geofísicos usam ondas sonoras para mapear essas estruturas subterrâneas, enviando vibrações para baixo e registrando como elas ricocheteiam de volta. No entanto, a jornada dessas ondas raramente é limpa. À medida que viajam, elas são fustigadas por uma mistura caótica de interferência: o estrondo do tráfego distante, a vibração do vento, os picos erráticos de equipamentos elétricos e a própria energia natural e ondulante do solo. Esse ruído de fundo abafa os sinais tênues e valiosos que revelam a verdadeira forma do subsolo. Por décadas, cientistas tentaram filtrar esse ruído usando regras matemáticas projetadas para tipos específicos de interferência, mas a Terra é diversificada demais para que uma única regra funcione em todos os lugares. Quando o ruído muda, os filtros antigos frequentemente falham, às vezes removendo justamente os sinais que deveriam proteger.

Uma equipe de pesquisadores da Universidade de Jilin e da Universidade de Energia Elétrica de Northeast propôs uma maneira diferente de resolver este problema, afastando-se da construção de uma nova ferramenta para cada tipo específico de ruído e movendo-se em direção à criação de um sistema único e altamente adaptável. Eles desenvolveram uma nova abordagem chamada "modelo de fundação" (foundation model), um conceito emprestado de como os computadores aprendem a entender a linguagem ou reconhecer imagens. Em vez de ensinar um computador a reconhecer apenas um tipo de ruído, eles ensinaram o sistema a linguagem fundamental dos sinais sísmicos limpos. Ao expor o sistema a quantidades massivas de dados limpos primeiro, o modelo aprendeu os padrões intrínsecos de como as ondas sísmicas se comportam naturalmente. Uma vez que compreendeu a "voz" da Terra, os pesquisadores mostraram que ele poderia aprender rapidamente a ignorar tipos específicos de ruído com pouca instrução adicional. O trabalho deles, centrado em um sistema que nomearam SeisDeFM, demonstra que este método pode remover ruídos erráticos, externos e aleatórios, preservando as reflexões delicadas e profundas que os métodos tradicionais frequentemente danificam.

O cerne deste novo método reside em um processo de aprendizado de duas etapas que espelha como um humano poderia aprender uma habilidade. Primeiro, o sistema passa por uma fase de pré-treinamento massiva. Imagine um estudante passando anos lendo todos os livros de uma biblioteca para entender a estrutura da linguagem, o fluxo das frases e a lógica das histórias, sem nunca ser solicitado a escrever um ensaio específico. Nesta fase, o modelo SeisDeFM estudou milhares de registros sísmicos limpos, aprendendo a reconhecer os padrões contínuos e coerentes de eventos geológicos reais. Aprendeu a distinguir o fluxo suave e lógico de uma reflexão da natureza caótica e fragmentada do ruído. Esta fase foi autossupervisionada, o que significa que o modelo ensinou a si mesmo ao tentar reconstruir dados incompletos, forçando-o a compreender as conexões profundas entre diferentes partes de um registro sísmico.

Uma vez que o modelo tivesse dominado a linguagem geral das ondas sísmicas, ele passou para a segunda etapa: a adaptação. É aqui que o sistema aprende a lidar com problemas específicos. No passado, se um geofísico quisesse remover um tipo específico de ruído, como as ondas rolantes da superfície, teria que treinar um novo modelo do zero usando milhares de exemplos daquele ruído exato. Isso era lento e exigia vastas quantidades de dados rotulados. Com o SeisDeFM, os pesquisadores precisaram de apenas uma fração minúscula desses dados. Eles pegaram o modelo pré-treinado e mostraram a ele apenas alguns milhares de exemplos de dados ruidosos emparelhados com a versão limpa. Como o modelo já entendia a estrutura subjacente dos sinais, ele pôde aprender rapidamente a identificar e subtrair o novo ruído. Em seus testes, o modelo alcançou resultados superiores usando apenas um décimo dos dados rotulados exigidos pelos métodos tradicionais, provando que uma compreensão profunda do sinal permite um aprendizado muito mais rápido e eficiente do ruído.

Os pesquisadores testaram este sistema contra quatro tipos distintos e difíceis de ruído encontrados em dados de campo do mundo real. O primeiro foi o ruído errático, que aparece como picos repentinos de alta amplitude causados por coisas como falhas de gravação ou vento. Os métodos tradicionais costumam ter dificuldades aqui, ou deixando os picos para trás ou removendo acidentalmente os sinais fracos que ocorrem perto deles. O novo modelo, no entanto, removeu esses picos com sucesso, mantendo as reflexões profundas e tênues intactas. O segundo teste envolveu ruído externo proveniente de atividade humana, como o movimento de veículos, que pode borrar os dados. Novamente, o modelo de fundação limpou os dados de forma mais completa do que os métodos anteriores, preservando a continuidade das camadas geológicas. O terceiro desafio foram as ondas de superfície, um ruído poderoso de baixa frequência que frequentemente mascara as primeiras reflexões do solo. O modelo suprimiu essas ondas completamente sem borrar os detalhes nítidos da rocha subjacente. Finalmente, testaram-no contra o ruído aleatório, a interferência do tipo estática que cobre uma ampla gama de frequências. O modelo removeu esse ruído mantendo a integridade espectral do sinal, garantindo que o conteúdo de frequência da resposta da Terra permanecesse preciso.

Uma descoberta fundamental do estudo é que o sucesso do modelo depende da combinação de duas formas diferentes de observar os dados. Os pesquisadores construíram o sistema com uma arquitetura dupla: uma parte que observa de perto os detalhes locais pequenos e outra que recua para ver o panorama geral através de todo o registro. A parte local é excelente em capturar a forma específica de um pico de ruído, enquanto a parte global entende como um evento sísmico se estende no tempo e no espaço. Ao fundir essas perspectivas, o modelo evita o erro comum de confundir um sinal fraco e contínuo com ruído. O estudo também mostrou que, embora o modelo exija uma quantidade significativa de poder computacional para aprender a linguagem geral das ondas sísmicas inicialmente, o processo de aplicação a um novo trabalho é incrivelmente rápido e eficiente. Ele não precisa ser retreinado do zero para cada nova localização ou tipo de ruído; ele simplesmente adapta seu conhecimento existente.

Os resultados sugerem uma mudança na forma como os dados sísmicos podem ser processados no futuro. Em vez de construir uma ferramenta nova e especializada para cada novo problema de ruído, a indústria poderia contar com um único modelo de fundação robusto que tenha aprendido a física fundamental da Terra. Esta abordagem não apenas economiza tempo e recursos computacionais, mas também melhora a qualidade da imagem final ao reduzir o risco de deletar acidentalmente dados valiosos. Os pesquisadores demonstraram que, ao ensinar uma máquina a entender a "verdade" de um sinal limpo primeiro, ela se torna muito melhor em reconhecer e remover as "mentiras" do ruído. Este método oferece um caminho promissor para lidar com os volumes massivos de dados coletados na exploração moderna, transformando uma gravação caótica e ruidosa em um mapa de alta fidelidade e clareza do subsolo.