Gravimetría · Magnetometría · MT 1D · FWI · SimPEG · Aprendizaje profundo guiado por física
Un laboratorio reproducible para explorar la relación
y reconstruir modelos físicos con ajuste de datos, regularización y aprendizaje profundo.
Este repositorio reúne los materiales del Curso teórico práctico sobre inversión geofísica en Python, dirigido a la comunidad científica. Integra fundamentos del problema inverso con ejercicios guiados, casos sintéticos y datos reales.
El curso fue dirigido por Ana Mantilla, Javier Torres y León Suárez, con PhD Henry Arguello Fuentes como investigador principal. Fue organizado por los grupos de investigación HDSP, GIGBA y CPS en el marco del Contrato No. 045-2025 financiado por el Ministerio de Ciencia, Tecnología e Innovación (MINCIENCIAS) y la Agencia Nacional de Hidrocarburos (ANH).
| Sesión | Eje | Del dato al modelo | Material | Video |
|---|---|---|---|---|
| 01 | Fundamentos | No unicidad, sensibilidad, incertidumbre y regularización | Abrir | ▶ Ver sesión |
| 02 | Gravimetría 3D | Anomalía residual → contraste de densidad | Abrir | ▶ Ver sesión |
| 03 | Magnetometría 3D | Anomalía TMI → susceptibilidad magnética | Abrir | No publicado |
| 04 | MT 1D guiada por física | Impedancia Zxy → resistividad por capas | Abrir | ▶ Ver sesión |
| 05 | FWI: fundamentos | Registros sísmicos → modelo de velocidad | Abrir | ▶ Ver sesión |
| 06 | FWI: entrenamiento | Shots y pesos preentrenados → velocidad de onda P | Abrir | ▶ Ver sesión |
| 07 | Reto integrador MT 1D | Datos sintéticos → inversión profunda no supervisada | Abrir | No publicado |
Disponibilidad de videos: la playlist pública contiene actualmente las grabaciones de las sesiones 1, 2, 4, 5 y 6. Esta tabla puede actualizarse cuando se publiquen las sesiones restantes.
La inversión se plantea como un ciclo iterativo y auditable: los datos observados y la hipótesis física alimentan el operador directo; la discrepancia entre datos predichos y observados se combina con regularización y conocimiento previo; el modelo se actualiza hasta alcanzar convergencia, y finalmente se evalúan resolución, incertidumbre y coherencia geológica.
Revisa las sesiones en orden y utiliza los notebooks de este repositorio como laboratorio práctico.
git clone https://github.com/Anagabrielamantilla/inversion-geofisica-python.git
cd inversion-geofisica-python
python -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
jupyter labAbre los notebooks desde su propia carpeta de sesión para conservar las rutas relativas a los datos. Varios cuadernos fueron diseñados para Google Colab; las celdas de montaje de Drive y las rutas /content/... deben ajustarse si se ejecutan localmente. Las tareas de FWI pueden requerir GPU y conjuntos externos indicados dentro de cada notebook.
.
├── docs/
│ ├── brochure.pdf # pieza publicitaria y programa original
│ └── assets/ # publicidad e infografía conceptual
├── materials/
│ ├── session-01/ # introducción y regresión lineal
│ ├── session-02/ # inversión gravimétrica
│ ├── session-03/ # inversión magnetométrica
│ ├── session-04/ # inversión MT 1D
│ ├── session-05/ # introducción a FWI
│ ├── session-06/ # FWI y modelos preentrenados
│ └── session-07/ # reto de inversión MT 1D
├── CITATION.cff
└── requirements.txt
La pieza publicitaria presenta una intensidad total de 18 horas:
- Bloque 1 — Introducción al problema inverso (3 h): datos, modelos, incertidumbre, problema directo, no unicidad, ruido, sensibilidad, ajuste y regularización.
- Bloque 2 — Inversión gravimétrica con SimPEG (3 h): malla 3D, celdas activas, modelos sintéticos, datos reales y visualización en ParaView.
- Bloque 3 — Inversión magnetométrica con SimPEG (3 h): TMI, campo inductor, susceptibilidad, casos sintéticos y reales.
- Bloque 4 — Inversión profunda guiada por física para MT 1D (3 h): operador directo diferenciable, MLP con skip connections y entrenamiento no supervisado.
- Bloques 5 y 6 — Inversión de onda completa (6 h): adquisición, ecuación de onda acústica, aprendizaje supervisado, hiperparámetros y pesos preentrenados.
Consulta el folleto original para preservar la información institucional y el programa completo.
Nota histórica. La publicidad anuncia el curso del 3 al 11 de agosto, de 1:00 p. m. a 3:00 p. m., en el salón 404 del edificio E3T, con modalidad virtual complementaria. Los enlaces de asistencia e inscripción del evento se consideran históricos y no se reproducen como llamadas activas.
- Los conjuntos
.npy,.txty.edidisponibles en la carpeta fuente se mantienen junto a su sesión. - Versión de SimPEG: las salidas guardadas en los notebooks registran
0.25.1en el ejercicio sintético de gravimetría y0.25.2en los ejercicios de gravimetría real y magnetometría. Para ofrecer un entorno común y reproducible,requirements.txtfijasimpeg==0.25.2. - Algunos notebooks hacen referencia a recursos externos o a nombres de archivos que no forman parte del paquete original; revisa sus celdas de preparación antes de ejecutar.
- Los resultados numéricos pueden variar por versión de biblioteca, hardware, semilla y tolerancias del optimizador.
requirements.txtdocumenta el conjunto común de bibliotecas; cada notebook sigue siendo la referencia para requisitos específicos.
Material asociado al proyecto “Nuevas tecnologías computacionales para el procesamiento e inversión conjunta de gravimetría, magnetometría y magnetotelúrica mediante aprendizaje profundo guiado por principios físicos para la caracterización multicriterio”.
Organizan: HDSP · GIGBA · CPS, con participación institucional de la Universidad Industrial de Santander.
Financian: Ministerio de Ciencia, Tecnología e Innovación (MINCIENCIAS) y la Agencia Nacional de Hidrocarburos (ANH) a través del cto 045-2025.
Este repositorio conserva material docente y datos del curso. No se declara una licencia abierta: todos los derechos permanecen con sus titulares. Antes de reutilizar, modificar o redistribuir contenido, confirma los permisos aplicables y cita a las personas e instituciones responsables mediante CITATION.cff.
Explora · modela · invierte · valida