RISE.ML 연구실은 정량적 탄성파 해석(Quantitative Seismic Interpretation)과 관련된 다양한 연구를 수행하고 있습니다. 탄성파 탐사 자료는 지하 구조의 물성 정보를 고해상도로 획득할 수 있는 핵심 기술로, 석유·가스 저류층, 광물 자원, 지하수, 그리고 최근에는 이산화탄소 저장소 등 다양한 지하 매체의 특성 평가에 활용됩니다. 본 연구실은 전통적인 이론 기반의 역산(inversion) 기법뿐만 아니라, 최신 머신러닝 및 딥러닝 기법을 접목하여 탄성파 자료의 해상도 향상, 결측 데이터 복원, 잡음 제거, 그리고 복잡한 지하 구조의 정밀 영상화에 중점을 두고 있습니다. 특히, 최근에는 U-Net, LSTM, Attention 기반 신경망 등 다양한 딥러닝 모델을 활용하여 탄성파 자료의 내삽 및 외삽, 수직 해상도 향상, 회절파 분리, 트레이스 정규화 등 기존 방법의 한계를 극복하는 연구를 선도하고 있습니다. 또한, 불규칙한 빠짐이나 공간적 알리아싱이 존재하는 현장 자료에 대해 들로네 삼각분할, 모델 제약 조건이 적용된 MWNI 등 계산기하학적 방법과 인공지능을 융합하여 실질적 현장 적용성을 높이고 있습니다. 이러한 연구는 국내외 해양 및 육상 탐사, 도시 인프라 모니터링, 도로 하부 공동 탐지, CCS(탄소 포집·저장) 모니터링 등 다양한 분야에 적용되고 있습니다. RISE.ML 연구실은 앞으로도 머신러닝 기반의 혁신적 탄성파 자료 처리 및 해석 기술을 통해 지하 구조의 고해상도 정량적 평가와 실시간 모니터링 기술 발전에 기여할 것입니다.

RISE.ML 연구실은 전자탐사(Electromagnetic survey, EM) 및 탄성파-전자탐사 복합역산(Joint Inversion)을 통한 지하 구조의 정밀 영상화 연구를 활발히 수행하고 있습니다. 전자탐사는 전기전도도, 자화율 등 지하 매질의 전기적·자기적 특성을 평가하는 데 강점을 가지며, 탄성파 탐사와 결합할 경우 저류층의 공극률, 유체포화율, 광물 분포 등 다양한 물성 정보를 동시에 추정할 수 있습니다. 본 연구실은 2D/3D 주파수 영역 전자탐사, 항공 전자탐사, 해저 전자탐사 등 다양한 환경에서의 전자탐사 자료 해석 및 역산 알고리즘을 개발하고 있습니다. 특히, 구조텐서, cross-gradient, 도메인 적응(domain adaptation) 등 다양한 구조적 제약조건을 도입하여, 탄성파와 전자탐사 자료의 해상도 차이와 불확실성을 보완하는 복합역산 기법을 선도적으로 연구하고 있습니다. 또한, 딥러닝 기반 전자탐사 역산, 불확실성 추정, 실시간 영상화 등 최신 인공지능 기술을 접목하여, 기존의 수치해석 기반 역산의 한계(계산 비용, 비선형성, 데이터 부족 등)를 극복하고 있습니다. 이러한 기술은 CCS(이산화탄소 지중저장) 모니터링, 가스하이드레이트 부존 평가, 광물자원 탐사, 지반침하 및 지질재해 분석 등 국가적·산업적 중요성이 높은 분야에 적용되고 있습니다. RISE.ML 연구실은 앞으로도 탄성파-전자탐사 융합 해석 및 인공지능 기반 복합역산 기술을 통해 지하 구조의 신뢰성 높은 정량적 평가와 미래 에너지·환경 문제 해결에 기여할 것입니다.