Генеративный искусственный интеллект ускоряет рабочий процесс сейсмической визуализации

Компьютерное зрение генерирует изображения недр, используя крошечную часть данных сейсмических снимков, которые традиционно требовались.

Техасский центр перспективных вычислений при Техасском университете. (Источник: Техасский университет в Остине)

Генеративный искусственный интеллект (ИИ) может составлять брачные клятвы и создавать изображения пингвинов, играющих в футбол. Он также полезен в энергетическом секторе: он способен генерировать изображения недр, используя гораздо меньше данных, чем требовалось ранее.

Хотя для создания изображений недр по-прежнему требуются огромные вычислительные мощности, машинное обучение, глубокие нейронные сети и компьютерное зрение позволили значительно ускорить рабочий процесс сейсмических изображений.

В течение двух лет SparkCognition и Shell вместе работали над ускорением получения сейсмических изображений с помощью компьютерного зрения.

«К чести Shell, она осознала, что это нерешенная исследовательская проблема», — сказал Hart Energy Брюс Портер, главный научный сотрудник SparkCognition. «Они принесли это нам как аутсайдеры из нефтегазовой отрасли. Мы не эксперты по нефти и газу. Мы эксперты по машинному обучению. Они хотели посмотреть, может ли это партнерство – с нашим машинным обучением и их геонауками – дать трещину». орех».

По словам Портера, так оно и есть. Результатом является программное обеспечение SparkCognition Oil & Gas Exploration Advisor.

SparkCognition владеет семью патентами на технологии, разработанные для ускорения процесса создания сейсмических изображений. Большинство этих патентов связаны с процессом миграции «подавлением шума», который уточняет изображения сейсмической фазы.

Продолжительность рабочего процесса интерпретации сейсмических данных во многом зависит от того, сколько данных выстрелов необходимо обработать, а новая технология SparkCognition использует от 1% до 3% данных выстрелов, которые использовались исторически.

«Мы не эксперты по нефти и газу. Мы эксперты по машинному обучению. [Shell] хотела посмотреть, сможет ли это партнерство — с нашим машинным обучением и их геонауками — расколоть орех», — Брюс Портер, главный научный сотрудник, ИскраПознание.

«При наличии правильно обученной нейронной сети, если вы заполните ее некоторыми точками данных, в данном случае данными о выстрелах, нейронная сеть может заполнить все недостающие данные о выстрелах, а остальные 99–97% данных о выстрелах, которые остается невидимым и необработанным», — сказал он. «В результате эти нейронные сети способны выполнять так называемый этап вывода, то есть генерировать сейсмическое изображение. Они могут сделать это за считанные секунды или минуты, заполняя все эти невидимые данные снимков».

По его словам, в результате подавляющее большинство собранных данных не нужно обрабатывать.

«Приведет ли это к созданию продукта следующего поколения, в котором сбор данных о выстрелах будет сокращен, это другой вопрос», — добавил он.

Но выбор снимков для включения становится более важным, если вы используете менее 3% полученных снимков.

Как выразился Портер: «Их так мало, и те, которыми вы пользуетесь, имеют значение. Вы не можете выбирать случайно».

SparkCognition разработала решение, позволяющее нейронным сетям выбирать 1–3% данных о съемках, которые несут больше всего информации и будут иметь наибольшее влияние на создание точного изображения недр. По его словам, хотя алгоритмы запускают автоматизированный процесс выбора кадров, система не является полным черным ящиком.

Возможность видеть этот процесс очень важна, особенно в свете того, насколько сильно отклонились от курса некоторые генеративные ИИ, такие как Chat GPT.

Портер сказал, что программное обеспечение генерирует уровни достоверности наряду с геологическими изображениями недр, и интерпретаторы могут добавлять больше точек выстрела и позволять ему повторять новые изображения недр с соответствующими изменениями уровней достоверности изображения.

«Вам нужен правильный ответ. Вам нужно правильно определить геологическую структуру», — сказал он. «Важно, чтобы они не были чем-то вроде черного ящика, он должен быть таким, которому человек доверяет и может понять, где нейронная сеть проявляет творческий подход к объяснению геологических недр, а когда она вполне уверена в своих результатах».