التفاصيل البيبلوغرافية
| العنوان: |
Physics-informed deep learning approach for modeling crustal deformation |
| المؤلفون: |
Tomohisa Okazaki, Takeo Ito, Kazuro Hirahara, Naonori Ueda |
| المصدر: |
Nature Communications, Vol 13, Iss 1, Pp 1-9 (2022) |
| بيانات النشر: |
Nature Portfolio, 2022. |
| سنة النشر: |
2022 |
| المجموعة: |
LCC:Science |
| مصطلحات موضوعية: |
Science |
| الوصف: |
Modeling crustal deformation is critical for understanding of tectonic processes and earthquake potentials. Here, the authors propose a deep learning approach that can be extended in a straightforward manner to complex crustal structures and inverse problems. |
| نوع الوثيقة: |
article |
| وصف الملف: |
electronic resource |
| اللغة: |
English |
| تدمد: |
2041-1723 |
| Relation: |
https://doaj.org/toc/2041-1723 |
| DOI: |
10.1038/s41467-022-34922-1 |
| URL الوصول: |
https://doaj.org/article/a2c4df6a89bd4d758cb3e695afcf45d1 |
| رقم الانضمام: |
edsdoj.2c4df6a89bd4d758cb3e695afcf45d1 |
| قاعدة البيانات: |
Directory of Open Access Journals |
Full Text Finder