KAUST i Ma’aden przetestują generatywny model geologiczny na danych z Arabii Saudyjskiej
Saudyjski koncern wydobywczy Ma’aden podpisał 30-miesięczną umowę badawczo-rozwojową z uniwersytetem KAUST. Przedmiotem porozumienia są testy prototypowego modelu generatywnego, który na podstawie skąpych informacji powierzchniowych i nielicznych odwiertów tworzy trójwymiarowe warianty struktur podziemnych. Nowe partnerstwo ma zweryfikować, jak algorytm poradzi sobie z rzeczywistymi danymi geologicznymi z terenu Arabii Saudyjskiej.
W klasycznym podejściu interpretacja niepełnych pomiarów geofizycznych zazwyczaj prowadzi do jednego, ręcznie opracowanego scenariusza budowy podłoża. Opracowane na KAUST narzędzie przyjmuje inne założenie: generuje całą przestrzeń prawdopodobnych układów geologicznych i każdemu przypisuje określony stopień niepewności. Zamiast wskazywać konkretne miejsca zalegania złóż lub sugerować jednoznaczny obraz podziemia, system dostarcza geologom zestaw roboczych hipotez do dalszej analizy.
Syntetyczny trening procesów geologicznych
Głównym wyzwaniem przy tworzeniu takich modeli jest brak wystarczająco gęstych i wiarygodnych danych pomiarowych z głębi ziemi. Aby ominąć to ograniczenie, zespół trenował sieć na kilkuset tysiącach syntetycznych modeli wygenerowanych przez symulator odtwarzający procesy tektoniczne, magmowe i sedymentacyjne.
Od strony technicznej prototyp wykorzystuje architekturę dyfuzyjną typu 3D attention U-Net i liczy 78 milionów parametrów. Uczenie na symulowanych strukturach pozwoliło modelowi przyswoić zasady fizyczne rządzące formowaniem się skał, bez konieczności opierania się wyłącznie na punktowych obserwacjach terenowych.
Trwający 2,5 roku projekt z Ma’aden ma wykazać, czy rozwiązanie zachowa stabilność i użyteczność poza środowiskiem syntetycznym. Materiał źródłowy nie zawiera jeszcze wyników walidacji ani precyzyjnych kryteriów porównania algorytmu z tradycyjnymi metodami interpretacji geologicznej, a samo podpisanie umowy stanowi dopiero początek fazy weryfikacyjnej.
