姓名:董新桐 性别:男 职称:副教授 所在系别:仪器科学与技术系 导师类别:博士生导师/硕士生导师 最高学历:研究生 最高学位:博士 邮箱:dxt@jlu.edu.cn 电话:18186829038 |
|
董新桐,吉林大学仪器科学与电气工程学院副教授、博士生导师,入选第六批全国博士后创新人才支持计划(全国每年400项)、吉林省首批长白英才计划、吉林大学唐敖庆青年学者、吉林大学优青培育计划等,曾获吉林省科技进步二等奖、吉林省自然科学三等奖、吉林省优秀博士学位论文、吉林大学(力旺)杰出博士后,吉林大学优秀博士后、吉林大学十佳博士研究生(并作为全校毕业研究生代表在2021年全校毕业典礼致辞)等多项荣誉。
董新桐与国内外同行一起将人工智能驱动科学研究的理念(AI for Science)与传统勘探地球物理相结合,主要从事基于深度学习、稀疏变换、低秩理论等勘探地震数据噪声性质分析与建模、背景噪声(随机噪声、面波、多次波等)压制、低信噪比下微弱信号恢复、稀疏采集方案设计、智能化速度反演与成像等方向研究。相关成果在《Surveys in Geophysics》、《IEEE Transactions on Geoscience and Remote Sensing》、《Geophysics》、《Geophysical Journal International》等国内外地球物理主流期刊发表SCI论文70余篇,第一/通讯作者SCI论文50余篇(包含ESI热点文章3篇、高被引文章5篇),累计被引1300余次,H-index 21(详见:https://www.researchgate.net/profile/Xintong-Dong-3?ev=hdr_xprf)。
主要研究方向包括:
[1] 提出基于对抗式、注意力机制、多分辨率特征提取深度学习的智能化地震噪声压制技术,并在我国多个含油气盆地的地震数据处理中展现出较好的去噪性能。
[2] 生成式深度学习(GenAI):生成对抗网络(GAN)、扩散模型(Diffusion model)等及其在地震勘探领域中数据增强、对抗式学习中的应用。
[3] 在勘探地球物理领域,领先开展全局与局部信息融合的深度学习新框架设计,主要包括双支路密集连接Transformer、三维单次扫描Mamba、自监督3D-Transformer等。
[4] “AI for Science” 赋能下的地球物理复杂欠定反问题的智能化求解,主要包括大缺失率、连续缺失地震数据的高保真重构、成像域稀疏炮重建、从数据域到模型域的强非线性映射拟合、时频域弱相关条件下的外插等。
[5] 分布式声波光纤(DAS)地震数据智能化处理技术,主要包括多类型光学噪声同时抑制技术、极低信噪比条件下微弱信号恢复技术、针对耦合不良引起连续缺失的重构技术,多任务集合模型等。
[6] 面向多域多维多模态地震数据的人工智能大模型(foundation model),主要开展面向多井多测区DAS数据的智能化集合处理模型、叠前高维炮集多类型随机与相干噪声抑制模型、利用单一模型实现复杂构造叠后剖面的高保真、高信噪比、宽频带处理。
项目组配备了浪潮NF5468M6高性能异构节点GPU计算服务器(包含16个NVIDIA Tesla A系列高性能显卡)、浪潮NF5280M6 CPU计算节点(4个)、DellT640塔式服务器、Dell移动工作站等计算设备,深度学习算力充足。并且项目组与中石油、中石化、中海油相关部门建立长期合作研究,可提供大量“实操”机会。欢迎对人工智能、勘探地球物理、信号处理交叉学科具有研究兴趣的同学报考智能地球物理信号处理研究小组(intelligent geophysical signal processing group;IGSP Group)硕士、博士研究生。
学科专业:勘探地球物理,人工智能,信号处理,计算机视觉,应用数学。
讲授课程:大数据挖掘与技术
教育经历
[1] 2012-08至2016-07 吉林大学通信工程学院信息工程系 工学学士
[2] 2016-08至2021-07 吉林大学通信工程学院通信与信息系统 工学博士
工作经历
[1] 2021-07至2023-07 吉林大学仪器科学与电气工程学院 “博新计划”博士后
[2] 2021-07至2023-07 吉林大学仪器科学与电气工程学院 助理研究员
[3] 2023-07至今 吉林大学仪器科学与电气工程学院 副教授、唐敖庆青年学者
主持科研项目:
[1] 2025-2026,中石油横向课题,主持,人工智能大模型。
[2] 2025-2027,吉林省长白英才支持计划,主持,勘探地球物理。
[3] 2024-2025,中石油横向课题,主持,融合全局与局部信息的智能化低频面波压制技术研究。
[4] 2024-2026,吉林大学优秀青年培育计划,主持,基于人工智能的地震数据智能化处理技术研究。
[5] 2023-2024,中石油横向课题,主持,智能化多域去噪技术研究。
[6] 2023-2025,吉林大学人才引进启动启动经费,主持,智能地球物理。
[7] 2023-2025,国家自然科学基金青年基金,主持,基于多尺度可迁移深度学习方法的多井DAS地震数据“智普”消噪技术研究。
[8] 2022-2025,广东省自然资源厅-广东省海洋经济发展(海洋六大产业)专项,主持课题,海洋可控震源系统关键技术与装备研发。
[9] 2022-2024,南方海洋科学与工程广东省重点实验室人才引进项目,主持,基于深度学习的北部湾OBC地震数据智能处理技术研究。
[10] 2021-2023,中国博士后基金会面上资助,主持,基于数据弱依赖、强普适性深度学习方法的塔里木盆地地震随机噪声压制技术研究。
[11] 2021-2023,第六批全国博士后创新人才支持计划,主持,基于对抗式深度学习策略的DAS 地震资料智能消噪系统构建。
以第一作者/通讯作者发表代表性论文:
发表论文情况详见Researchgate或Google scholar主页,部分代表性文章如下:
[1] Wang X Y, Ge Q Y, Dong X T*, Dong S Q, Zhong T. 2025. Self-Supervised Diffusion Model for 3D Seismic Data Reconstruction: Geophysics, accepted
[2] Zhang R Z, Pan X M, Li T L, Deng X H, Dong X T*. 2025. Audio Magnetotelluric Data Inversion Method Based on Adaptive Binary Structure Constraint and Its Application in Geothermal Exploration: Geophysics, accepted.
[3] Yu W S, Dong S Q, Lu S P, Dong X T*. 2025. MAE-GAN: A Novel Strategy for Simultaneous Super-resolution Reconstruction and Denoising of Post-stack Seismic Profile: Geophysical Prospecting, 73, no. 1, 96-112.
[4] Dong X T, Lu S P, Lin J, Zhang S K, Ren K, Cheng M. 2024. Can deep learning compensate for sparse shots in the imaging domain? A potential alternative for reducing the acquisition cost of seismic data: Geophysics, 89, no. 2, v119-v137.
[5] Dong X T, Wei C X, Zhong T, Cheng M, Dong S Q, Li F. 2024. Seismic data reconstruction based on a multicascade self-guided network: Geophysics, 89, no. 3, v179-v195. (该文被勘探地球物理权威期刊Geophysics评为亮点文章Geophysical Bright Spots)
[6] Wang X Y, Ma J, Dong X T*, Zhong T, Dong S Q. 2024. EFGW-UNet: A Deep-Learning-Based Approach for Weak Signal Recovery in Seismic Data: IEEE Transactions on Geoscience and Remote Sensing, 62, 5914213.
[7] Dong S Q, Dong X T*, Zhang R Z, Cong Z, Lu S P, Wang H Z. 2024. Global-Feature-Fusion and Multi-Scale Network for Low-frequency Extrapolation: IEEE Transactions on Geoscience and Remote Sensing, 62, 5917714.
[8] Zhong T, Cheng M, Wang S B, Dong S Q, Lu S P, Dong X T*. 2024. Joint-Guided Denoising Network for Erratic Noise Attenuation: IEEE Transactions on Geoscience and Remote Sensing, 62, 5921213.
[9] Cheng M, Lin J, Dong X T*, Lu S P, Zhong T. 2024. Seismic Interpolation Transformer for Consecutively Missing Data: A Case Study in DAS-VSP Data: IEEE Transactions on Geoscience and Remote Sensing, 62, 5928412.
[10] Dong X T, Lu S P, Cong Z, Zhong T*. 2023. Multistage Residual Network for Intense Distributed Acoustic Sensing Background Noise Attenuation: Geophysics, 88, no. 6, WC181-WC198.
[11] Cheng M, Lin J, Lu S P, Dong S Q, Dong X T*. 2023. Seismic Data Reconstruction Based on Multiscale Attention Deep Learning: IEEE Transactions on Geoscience and Remote Sensing, 61, 5914718.
[12] Wu H, Dong X T*, Zhong T, Zhang S K, Lu S P*. 2023. Least-squares Reverse Time Migration using the Inverse Scattering Imaging Condition: IEEE Transactions on Geoscience and Remote Sensing, 61, 5914611.
[13] Wang H Z, Lin J, Dong X T*, Jiang D D. 2023. Signal Recovery and Noise Suppression of the Ocean-Bottom Cable P-component Data based on Improved Dense Convolutional Network: Geophysical Prospecting, 72, no. 4, 1498-1521.
[14] Wang H Z, Lin J, Dong X T*, Lu S P, Li Y, Yang B J. 2023. Seismic Velocity Inversion Transformer: Geophysics, 88,no. 4, R513-R533. (ESI高被引文章)
[15] Dong X T, Cheng M, Wang H Z, Li G H, Lin J, Lu S P. 2023. A Potential Solution to Insufficient Target-Domain Noise Data: Transfer Learning and Noise Modeling: IEEE Transactions on Geoscience and Remote Sensing, 61, 5915115.
[16] Cheng M, Lu S P, Dong X T*, Zhong T, 2023. Multiscale recurrent-guided denoising network for distributed acoustic-sensing-vertical seismic profile background noise attenuation: Geophysics, 88, no. 1, WA201-WA217.
[17] Zhong T, Wang W Y, Lu S P, Dong X T*, Yang B J. 2023. RMCHN: A Residual Modular Cascaded Heterogeneous Network for Noise Suppression in DAS-VSP Records, IEEE Geoscience and Remote Sensing Letters, 20,1-5. (ESI热点文章+高被引文章)
[18] Zhang R Z, He H Y, Dong X T*, Li T L, Liu C, Kang X Z. 2023. Application of Supervised Descent Method for 3D Gravity Data Focusing Inversion: IEEE Transactions on Geoscience and Remote Sensing, 61, 5918010.
[19] Dong X T, Lin J, Lu S P, Huang X G, Wang H Z, Li Y, 2022. Seismic Shot Gather Denoising by Using Supervised-Deep-Learning Method with Weak Dependence on Real Noise Data: a Solution to the Lack of Real Noise Data: Surveys in Geophysics, 43, no.5, 1363-1394. (ESI高被引文章)
[20] Dong X T, Lin J, Lu S P, Wang H Z, Li Y. 2022. Multiscale Spatial Attention Network for Seismic Data Denoising: IEEE Transactions on Geoscience and Remote Sensing, 60, 5915817.
[21] Dong X T, Li Y, Zhong T, Wu N, Wang H Z, 2022. Random and Coherent Noise Suppression in DAS-VSP Data By Using a Supervised Deep learning Method: IEEE Geoscience and Remote Sensing Letters, 19, 8001605. (ESI热点文章+高被引文章,web of science数据库累计被引250次)
[22] Zhong T, Cheng M, Lu S P, Dong X T*, Li Y. 2022. RCEN: A Deep-Learning-Based Background Noise Suppression Method for DAS-VSP Records: IEEE Geoscience and Remote Sensing Letters, 19, 1-5. (ESI热点文章+高被引文章)
[23] Dong X T, Li Y. 2021. Denoising the Optical Fiber Seismic Data by Using Convolutional Adversarial Network Based on Loss Balance: IEEE Transactions on Geoscience and Remote Sensing, 59, no. 12, 10544-10554.
[24] Zhong T, Cheng M, Dong X T*, Li Y. 2021. Seismic Random Noise Suppression by Using Adaptive Fractal Conservation Law Method Based on Stationarity Testing: IEEE Transactions on Geoscience and Remote Sensing, 59, no. 4, 3588-3600.
[25] Zhong T, Cheng M, Dong X T*, Wu N. 2021. Seismic Random Noise Attenuation by Applying Multiscale Denoising Convolutional Neural Network. IEEE Transactions on Geoscience and Remote Sensing, 60, 5905013.
[26] Dong X T, Zhong T, Li Y. 2020, New Suppression Technology for Low-frequency Noise in Desert Region: The Improved Robust Principal Component Analysis Based on Prediction of Neural Network: IEEE Transactions on Geoscience and Remote Sensing, 58, no. 7, 4680-4690.
[27] Dong X T, Li Y, Yang B, 2019. Desert Low-frequency Noise Suppression by Using Adaptive DnCNNs Based on the Determination of High-order Statistic: Geophysical Journal International, 219, no.2, 1281-1299.
[28] Dong X T, Jiang H, Zheng S, Li Y, Yang B. 2019. Signal-to-noise Ratio Enhancement for 3C Downhole Microseismic Data Based on the 3D Shearlet Transform and Improved Back-propagation Neural Networks: Geophysics, 84, no.4, V245-V254.
个人荣誉及获奖:
[1] 2024年吉林省科技进步二等奖(排名第二)
[2] 2024年吉林大学力旺杰出博士后(每年评选3人)
[3] 2023年吉林大学优秀博士后
[4] 2023年吉林省自然科学三等奖(排名第二)
[5] 2023年吉林省优秀博士学位论文
[6] 2022年吉林大学优秀博士学位论文
[7] 2021年吉林大学十佳博士研究生(吉林大学在校研究生最高荣誉)
[8] 2020年教育部博士研究生国家奖学金
[9] 2019年教育部博士研究生国家奖学金
代表性发明专利:
[1] 董新桐,董士琦,钟铁,王新旸,丛正,程明,王洪洲,一种多尺度全局信息融合神经网络地震数据低频重构方法。
[2] 董新桐,董士琦,程明,王洪洲,钟铁,王新旸,融入混合注意力Unet神经网络隧洞地震数据重建方法。
[3] 董新桐,魏昌信,程明,一种基于Mamba的地震数据插值方法。
[4] 董新桐,于文硕,董士琦,罗玉钦,钟铁,一种叠后地震剖面超分辨率重建方法。
[5] 董新桐,于文硕,董士琦,一种基于Mamba的地震图像超分辨率重建方法。
[6] 钟铁,杨丰瑞,董新桐,董士琦,王新旸,程明,基于混合双边注意力的生成对抗网络的地震数据处理方法。
[7] 董士琦,郑开源,董新桐,钟铁,罗玉钦,王洪洲,基于Swin Transformer地震图像处理法。
社会兼职:
无