作者：张浩然、陈桂
11月28日上午，应地球物理学院刘洋教授邀请，沙特阿拉伯阿卜杜拉国王科技大学（King Abdullah University of Science and Technology，缩写KAUST）物理科学与工程学院的Tariq Alkhalifah教授，在地质楼525会议室为我院师生作了主题为“关注机器学习中的物理信息嵌入：神经网络成像与反演理论及应用研究”的学术报告。报告会由地球物理学院刘洋教授主持，SEG/EAGE中国石油大学（北京）学生分会协办。
Tariq Alkhalifah教授首先介绍了其课题组基于深度学习的地震数据去噪方案；以基于物理引导神经网络的亥姆霍兹方程求解、微震震源定位和旅行时反演问题为例，阐明解决地球物理问题还需要物理理论的参与；针对如何提高深度神经网络的泛化性，介绍了其课题组提出的基于域适应理论的解决方案以及其在微震定位、低频延拓和高分辨率处理中的应用；最后介绍了如何利用深度神经网络提高常规全波形反演中盐体速度反演精度。Tariq Alkhalifah教授在报告中指出：解决地球物理问题需将数据驱动的机器学习方案与物理理论相结合，数据和物理理论缺一不可，如何更好地将物理信息嵌入机器学习中仍需不断研究。
Tariq Alkhalifah教授的报告内容新颖、前瞻性强、启发性强，现场讨论热烈。
Tariq Alkhalifah教授做报告、现场师生积极参与讨论
Tariq Alkhalifah，国际著名地球物理学家，沙特阿拉伯阿卜杜拉国王科技大学（KAUST）物理科学与工程学院教授，曾任阿卜杜拉阿齐兹科技城（沙特国家科技中心）油气研究中心主任，获美国科罗拉多矿业学院硕士、博士学位，美国斯坦福大学勘探项目组（SEP）博士后。Tariq Alkhalifah教授是声波各向异性方程的提出者，地震全波形反演理论和应用的领导者和机器学习在勘探地球物理应用的先行者，已在地球物理领域国际权威期刊发表论文200余篇，获国际勘探地球物理学家学会（SEG）J. Clarence Karcher奖（1998）、欧洲地学家与工程师学会（EAGE）Conrad Schlumberger奖（2003）、SEG Virgil Kauffmann Gold Medal奖（2023）。
