|
实验室位置：地2楼地下二层 实验室主任：王彦飞 研究员 |
所属系统：数据处理计算系统实验室简介 | 仪器介绍 | 人员组成 | 工作内容 | 收费标准 | 用户须知 | 欢迎来访
党的十八届五中全会明确提出实施国家大数据战略，《国民经济和社会发展第十三个五年规划纲要》将实施国家大数据战略作为“十三五”时期坚持创新驱动发展、培育发展新动力、拓展发展新空间的重要抓手。我国正面临从“数据大国”向“数据强国”转变的历史新机遇。在此背景下，中国科学院地质与地球物理研究所适时提出建设“地球科学大数据与人工智能中心”(以下简称“大数据中心”)。
大数据中心的定位是：(1) 大数据基础理论研究；(2) 大数据与人工智能的有效结合：人工智能计算的实现需要深刻的反问题理论和运筹学理论。因而中心将大力加强大数据知识挖掘的人工智能技术研发；(3) 大数据中心将成为促进地球科学技术快速发展的引擎：数据驱动的知识发现是未来地球科学的研究热点；(4) 作为协同创新平台，为科研人员进行高端研发和成果转化提供有力支撑。
大数据中心的目标是：利用大数据平台的数据分析能力，针对地下中深层空间探测，形成更加高效的石油天然气、矿产资源勘察技术方法和装备能力；针对地下超深层空间，反演地球动力学机制的差异和圈层演化特征，为我们认识大陆地壳演化、水圈形成和演化、大气圈演进和生命演化提供重要线索；在该平台支撑下，形成对月球、火星等比较行星学数据的分析与应用；最终，建成以高弹性、高效率、高可靠、高度智能化为特征的国际一流的固体地球科学大数据与人工智能中心。
大数据人工智能云平台：GEO-Bigdata and AI in Earth Sciences（缩写为：GEOBAYES，以纪念著名的英国数学家Thomas Bayes(1702-1761)，他创立的贝叶斯统计理论是指导机器学习的基础框架）是面向地球科学的数据管理、应用展示与算法开发三位一体化的平台，可以为广大地学科研人员提供以下服务：（1）海量数据的标准化查询、上传、下载和维护；（2）地学领域应用模块的在线计算与成果可视化展示；（3）以并行计算、深度学习等算法为基础的日常科研计算二次开发平台；（4）以正反演、最优化、概率统计理论为基础的特色大数据与计算智能服务。
|
仪器简图 |
性能描述 |
 |
浪潮NF5162M5高密度24节点HPC集群 一个2U单元配置4台，单台配置双路INTEL XEON GOLD 6230R，384GB内存 |
 |
InfiniBand QM8700-HS2F 40口HDR交换机 具有高达16Tb/s的无阻塞带宽，端口到端口的延迟低于90ns，提供多达40个200Gb/s端口，每个端口具有全双向带宽。 |
 |
浪潮NF5688M6 单台配置双路INTEL XEON 8358，内存512GB，4块3.84TB NVMe硬盘，HDR 200G IB卡，NVIDIA_HGX-100-8GPU_320G单元 |
 |
浪潮TStor3000分布式并行存储系统 基于BeeGFS文件系统，裸容量720TB |
 |
浪潮A13000分布式并行存储系统 基于BeeGFS文件系统，裸容量1440TB |
 |
中心主任：王彦飞，博士，研究员，博士生导师。国家杰出青年科学基金获得者，国家重点研发计划项目首席科学家，国家自然科学基金重大研究计划重点项目负责人，中国青年科技奖获得者。负责把握中心的研究方向和全面工作管理，主要从事综合地球物理、计算及勘探地球物理反演理论及算法研究。 E-mail：yfwang@mail.iggcas.ac.cn |
 |
张洪宙，博士，助理研究员，负责计算子系统、网络子系统的管理与运维和标准体系维护，主要从事地震数据弹性波层析成像和基于GIS的地球科学数据的管理、分析与应用研究。 E-mail：hzzhang@mail.iggcas.ac.cn |
 |
于彩霞，博士，高级工程师，负责分布式存储子系统的管理与运维和中心数据库业务，主要从事地震成像及反演方法和智能地震数据处理的理论和应用研究。 E-mail：yucaixia@mail.iggcas.ac.cn |
 |
耿智，博士，特聘副研究员，兼管边缘计算业务和大数据应用研发，主要从事深部勘探开发地质风险的大数据评估研究。 E-mail：gengzhi@mail.iggcas.ac.cn |
 |
潘文勇，博士，特聘副研究员，兼管AI计算业务和基于既有框架的算法研发，主要从事地震全波形反演的理论和应用研究。 E-mail：wenyongp@mail.iggcas.ac.cn |
本实验室主要进行如下方面的分析测试工作：
一、人工智能计算云服务：
本中心提供基于高速、低延迟网络和高性能GPU/NPU加速的人工智能计算云服务，以满足我所科研人员在地学领域的深度学习AI算法研究和计算需求，可为用户提供NVIDIA A100/40G SXM，A100/80G PCIe，Tesla V100S/32G PCIe，RTX3090Ti/24G，华为昇腾Acsend 910 NPU等计算卡、高密度计算节点和并行文件系统海量数据存储等资源，计算服务器的CPU单核平均物理内存不低于7GB。
平台内预搭建了多种编程语言环境、常用数学函数库、MPI并行开发环境，以及TensorFlow、PyTorch等常用的深度学习框架，能够满足各种科研场景下的算力需求。在提供经典人工智能算法服务的基础上，陆续发布即已成型的专业算法服务，如非负矩阵分解算法、大地电磁面波、二维深度神经网络地震反演、三维深度神经网络地震反演、二维深度神经网络迁移学习、三维深度神经网络迁移学习、三维深度神经网络迁移学习等。
二、综合地球物理反演与解释一体化平台（IPIG）
本平台受国家重点研发计划（2018YFC0603500）资助。通过3000米以浅多种、多类型数据的联合反演解释技术以及多元信息评价与预测技术，发展大数据人工智能理论方法，提高大规模数据处理、解释的高性能计算能力，研发重磁、电磁、地震处理、解释可视化及一体化平台。
三、定制化服务
|
服务方向 |
服务内容 |
| Q补偿逆时偏移 | 分数阶粘弹性波动方程数值模拟，及考虑了衰减因子Q的逆时偏移技术(RTM)。 |
| 位场反演 | 重力、磁法的第一类算子方程(2D、3D)的正演模拟及正则化、最优化与人工智能反演技术。 |
| 电磁反演 | CSAMT、TEM正演模拟与Wasserstein度量下的熵正则化反演技术。 |
| 全波形反演 | 基于弹性波模型的2D、3D弹性波方程正演与反演(FWI)。 |
| 绕射波成像 | 采用字典学习，通过求解L0最优化问题，获得小尺度地质异常体信息的提取，该算法快速且高效。 |
| 人工智能全波形反演 | 采用深度神经网络学习与模型驱动的全波形反演相结合的人工智能处理技术。 |
| 压缩感知 | 采用控制随机采样与稀疏(L1、Lp)优化的地震数据规则化、重构技术，可以有效拓宽数据频带。 |
| 联合反演 | 重、磁、电、震的两种或多种联合反演技术，可以是经验关系的联合反演，也可以是空间结构耦合的联合反演，抑或是，人工智能辅助的联合反演。 |
| 微纳米孔隙成像 | 输入原始扫描数据，通过FBP或TV-正则化反演算法，输出3D成像结果，并给出成分分析。 |
| 断层识别与解释 | 断层识别与解释是地震资料解释的基础与关键，准确合理的断层识别关系到构造图的精度，同时控制着油田的注采关系，对油气开采起着至关重要的作用；采用交叉熵正则化约束的对抗神经网络实现断层精准识别。 |
四、主要方法论著
- Y Wang, Y F Wang, Quantitative Evaluation of Gas Hydrate Reservoir by AVO Attributes Analysis Based on the Brekhovskikh Equation, Petroleum Science, 2023.
- Y L Wu, G A McMechan, Y F Wang, Adaptive feedback convolutional-neural-network-based high-resolution reflection-waveform inversion, Journal of Geophysical Research-Solid Earth, 127: e2022JB024138, 2022.
- T Q Wang and Y F Wang, High Resolution Seismic Faults Interpretation based on Adversarial Neural Networks with Regularization Technique, Geophysics, 2022.
- Q L He and Y F Wang, Reparameterized full waveform inversion under the framework of deep neural networks, Geophysics, 86 (1): V1-V13, 2021.
- Z Geng and Y Wang, Physics-guided deep learning for predicting geological drilling risk of wellbore instability using seismic attributes data, Engineering Geology, 279: 105857, 2020.
- Z Geng and Y Wang, Automated design of a convolutional neural network with multi-scale filters for cost-efficient seismic data classification, Nature Communications, 11(1): 3311, 2020.
- L P Wang and Y F Wang, A joint matrix minimization approach for seismic wavefield recovery, Scientific Reports (Springer Nature), Vol. 8, 2188, 2018.
- P Liu and Y F Wang, Sparse decomposition of seismic data and migration using Gaussian beams with nonzero initial curvature, Journal of Applied Geophysics, Vol. 151, 82-89, 2018.
- Y F Wang and A Q Zou, Regularization and optimization methods for micro pore structure analysis of shale based on neural networks, Acta Petrologica Sinica, Vol. 34, 281-288, 2018.
五、专利：
- 一种基于稀疏反演的偏移速度分析方法及装置，专利号：ZL201510107120.6
- 一种基于正则化技术的地震数据倾角估计方法及装置, 专利号：ZL201510106959.8
- 一种基于L0半范数的绕射波成像方法及装置，专利号：ZL201510107121.0
- 基于曲波变换和聚类的地震数据去噪方法和装置，专利号：ZL201710778973.1
- 地震数据的处理方法和装置，专利号：ZL201710378593.9
- 一种基于卷积稀疏编码的高斯束偏移方法，专利号：ZL201910443810.7
- 全波形反演方法、装置及电子设备，专利号：ZL202010571206.5
- 弹性参数反演方法及装置，专利号：202011462534.8
收费标准（试行版）
|
服务名称 |
收费标准 |
机时费 |
服务费 |
备注 |
|
普通用户 | ||||
|
全部功能 |
推广期免费 |
资源限制 | ||
|
高级用户 | ||||
|
GEOBAYES |
通用算法 |
0.1元/CPU核时，4.0元/GPU卡小时 |
1万元/次 |
|
|
专业算法 |
0.1元/CPU核时，4.0元/GPU卡小时 |
2万元/次 |
| |
|
定制算法 |
0.1元/CPU核时，4.0元/GPU卡小时 |
5万元/次 |
| |
|
HUAWEI-NPU |
定制算法 |
0.1元/CPU核时，8.0元/NPU卡小时 |
10万元/次 |
|
|
CPU for AI |
提供机时 |
0.2元/CPU核时 |
| |
|
大数据存储 |
网络云盘 |
推广期内免费存储 |
资源限制 | |
预约方式：请邮件联系hzzhang@mail.iggcas.ac.cn
附件：《法律声明及隐私权政策》
附件：《免责声明》
实验室位于北京市朝阳区北土城西路19号，健德桥东100米，邮编100029。中国科学院地质与地球物理研究所。电话：010-82998132。