• 목록

지난 8월 17일부터 8월 20일까지 미국 텍사스 주 휴스턴에서 진행된 IMAGE(The International Meeting of Applied Geoscience & Energy) 2026 학회에 응용지구물리연구실(지도교수 조용채 교수)연구팀이 참가하여 학회 발표를 수행하였다.

김동호 연구원은 " 4D Monitoring of Fracture Networks using Elastic RTM with a Rotated Staggered Grid Linear Slip Model"이라는 제목으로, 임의 방향의 균열을 모사할 수 있는 rotated staggered grid 기반 linear-slip 모델과 Helmholtz decomposition을 활용한 P/S파 분리, elastic reverse time migration을 결합하여, 균열의 방향 및 normal/tangential compliance에 따라 PP, PS, SP, SS 영상이 보이는 서로 다른 민감도를 분석하고, monitor–baseline 차분을 통해 복잡한 매질 내 fracture network를 영상화함으로써 elastic wavefield를 활용한 fracture network의 4D monitoring 가능성을 제시하는 발표를 수행했다.

이주완 연구원은 "Neural network-based coarse 2D seismic data expansion method using VQ-VAE and GAN" 이라는 제목으로, StyleGAN에서 영감을 받은 합성 네트워크와 사전 학습된 VQ-VAE를 결합하여, 희소한 2차원 탄성파 단면 관측 자료로부터 3차원 탄성파 볼륨을 재구성하고, 스타일 기반 잠재 변조를 통해 동일한 입력으로부터 지질학적으로 타당한 다양한 3차원 탄성파 구현을 생성하는 머신러닝 기반 프레임워크를 제시하는 발표를 수행했다.

정현수 연구원은 “Cross-Site Distribution Mismatch in DAS Microseismic Detection: Limitations of Transfer Learning”을 제목으로, 서로 다른 사이트에서 취득한 DAS 미소지진 데이터 간 분포 차이를 분석하고, 전이학습의 타당성과 한계를 정량적·정성적으로 검증하였다. 또한 사이트별 데이터 특성 차이가 전이학습 성능에 미치는 원인을 분석하는 발표를 수행했다.

백승원 연구원은 “Stochastic Reverse-Time Migration via Machine Learning-Assisted Pseudo-MCMC”를 제목으로, flow-matching 네트워크가 후보 영상을 생성하고 물리 모델링을 통해 실측 파형과의 misfit을 평가하는 pseudo-MCMC 기반 영상 정련 기법을 제안하였다. 기존 RTM 영상으로부터 LSRTM 수준의 영상 품질 개선과 픽셀별 상대 불확실성 평가를 동시에 수행하였으며, 합성 자료와 동해 실측 자료를 통해 영상 개선 효과와 실측 데이터에 대한 일반화 성능을 검증하는 발표를 수행했다.

성하경 연구원은 “Depth Imaging of Deep-Seated Clandestine Tunnels via Reverse-Time Migration: A Full-Scale Field Validation in the DMZ Area, South Korea”를 제목으로, DMZ 제3땅굴 현장 탄성파 자료에 대해 초동 주시 토모그래피로 배경 속도모델을 구축하고 3차원 음향 RTM을 적용하여, 약 73 m 심도에 위치한 터널의 위치와 진행 방향에 부합하는 연속적인 이상대를 영상화하였다. 이를 통해 복잡한 지형과 제한된 탐사 배열 조건에서도 심부 소규모 지하 구조물 탐지가 가능함을 현장 자료로 검증하는 발표를 수행했다.

그리고 우리의 추억,,☆★