GMFlow: 10.000-fache Beschleunigung bei Erdbeben-Simulationen

In der Erdbeben‑Gefahrenanalyse und beim Entwurf verteilter Infrastrukturen wie Stromnetze oder Pipelines ist die Erzeugung realitätsnaher Bodenbewegungszeitreihen entscheidend. Traditionelle physikbasierte Simulationen liefern zwar genaue Ergebnisse, sind jedoch extrem rechenintensiv und für praktische Ingenieurarbeiten ungeeignet. Mit dem neuen Ansatz GMFlow wird dieses Problem gelöst: Ein auf physikalischen Prinzipien basierendes latentes Operator‑Flow‑Matching erzeugt sofort realistische, großflächige Bodenbewegungen, die an geophysikalische Parameter angepasst sind.

GMFlow nutzt ein generatives Modell, das die komplexen räumlichen und zeitlichen Abhängigkeiten von Erdbebenbewegungen erfasst, ohne auf ein festes Netz angewiesen zu sein. Durch die Kombination von Deep‑Learning‑Techniken mit physikgetriebenen Constraints kann das System Bodenbewegungen über Millionen von Punkten simulieren, während es gleichzeitig die korrekte Frequenzzusammensetzung und räumliche Kohärenz beibehält.

In einer Validierung mit simulierten Erdbeben im San‑Francisco‑Bay‑Area erzeugte GMFlow mehr als 9 Millionen Gitterpunkte in wenigen Sekunden. Im Vergleich zu herkömmlichen Simulationsworkflows wurde eine Beschleunigung von rund 10 000‑fach erreicht. Diese enorme Leistungssteigerung ermöglicht es Ingenieuren, Unsicherheiten in der Gefahrenbewertung schneller zu quantifizieren und Entscheidungen für die Planung verteilter Infrastrukturen fundierter zu treffen.

Darüber hinaus ist GMFlow mesh‑agnostisch und kann leicht auf andere wissenschaftliche Felder übertragen werden, in denen große, spatiotemporale physikalische Felder simuliert werden müssen. Damit eröffnet der Ansatz neue Möglichkeiten für schnelle, zuverlässige Modellierungen in Bereichen wie Klimaforschung, Hydrologie und Materialwissenschaften.