Краткое содержание

arXiv:2511.13800v1 Тип объявления: кросс Аннотация: В результате чрезвычайной ситуации и гомогенизации развития технологий искусственного интеллекта (ИИ), основанные на трансформерах фундаментальные модели произвели революцию в научных приложениях, таких как открытие лекарств, исследования материалов и астрономия. Однако сейсмические данные обладают уникальными характеристиками, требующими специализированных методов обработки для предварительного обучения фундаментальных моделей в контексте сейсмических данных, где важную роль играют высокочастотные и низкочастотные особенности. Существующие визуальные трансформеры (ViT) с последовательной токенизацией игнорируют внутреннюю структуру и не могут эффективно и действенно охватить как высокочастотную, так и низкочастотную информацию о землетрясении. В данной работе предлагается новая адаптивная стратегия обучения двухсетевой фундаментальной модели (ADATG) с кодированием Гильберта, специально разработанная для данных сейсмограмм, использующая иерархические структуры, присущие сейсмическим данным. Конкретно, наш подход использует спектральное разложение для разделения высоких и низких