В работе описан новый подход к сейсмическому моделированию, сочетающий традиционный конечно-разностный метод с глубоким обучением. На первом шаге генерируется обучающий набор данных, рассчитанный для ограниченного числа источников. Этот набор вычисляется путем конечно-разностного моделирования на мелкой пространственно-временной сетке. На втором этапе рассчитываются сейсмограммы для всей системы наблюдения, но с использованием грубой расчетной сетки. На третьем, заключительном этапе происходит обучение искусственной нейронной сети, уменьшающей численную дисперсию, и ее применение ко всему набору данных. На тестовом материале проверена работоспособность такого подхода в задаче подавления численной дисперсии и продемонстрировано десятикратное ускорение расчетов сейсмических волновых полей.
