生成 AI により地震画像ワークフローを高速化

コンピューター ビジョンは、従来必要とされていた地震ショット データのごく一部を使用して地下画像を生成しています。

テキサス大学のテキサス アドバンスト コンピューティング センター。 (出典: テキサス大学オースティン校)

生成人工知能 (AI) は、結婚の誓いの草案を作成したり、サッカーをしているペンギンの写真を作成したりできます。 これはエネルギー分野でも役に立ち、以前必要とされていたよりもはるかに少ないデータを使用して地下画像を生成できます。

地下画像の生成には依然として大量の計算能力が必要ですが、機械学習、ディープ ニューラル ネットワーク、コンピューター ビジョンにより、地震画像のワークフローを大幅に高速化することが可能になりました。

SparkCognition と Shell は 2 年間にわたり、コンピューター ビジョンを使用した地震イメージングの高速化に協力してきました。

「彼らの名誉のために言っておきますが、シェルはこれが終わりのない研究問題であると認識していました」とスパークコグニション社の最高科学責任者ブルース・ポーター氏はハート・エナジーに語った。 「彼らは石油・ガス業界の部外者として私たちにそれを持ち込んできました。私たちは石油・ガスの専門家ではありません。私たちは機械学習の専門家です。彼らは、私たちの機械学習と彼らの地球科学とのこのパートナーシップが破られるかどうかを知りたかったのです」ナット。」

ポーターによれば、彼らはそうしているという。 その結果が、SparkCognition Oil & Gas Exploration Advisor ソフトウェアです。

SparkCognition は、地震画像処理ワークフローを加速するために開発された技術に関して 7 件の特許を取得しています。 これらの特許のほとんどは、地震位相画像を明確にする「ノイズ除去」移行プロセスによるものです。

地震探査ワークフローにかかる時間は、処理する必要があるショット データの量に大きく依存し、SparkCognition の新しいテクノロジーは、これまで使用されてきたショット データの 1% ～ 3% を使用します。

「私たちは石油とガスの専門家ではありません。私たちは機械学習の専門家です。[シェル] は、私たちの機械学習と彼らの地球科学とのこのパートナーシップが問題を解決できるかどうかを知りたかったのです。」—ブルース・ポーター、最高科学責任者、スパークコグニション。

「適切にトレーニングされたニューラル ネットが与えられた場合、いくつかのデータ ポイント、この場合はショット データで準備しておくと、ニューラル ネットは不足しているショット データをすべて埋め、ショット データの残りの 99% ～ 97% を埋めることができます。誰にも見られず、処理もされないままだ」と彼は語った。 「その結果、これらのニューラルネットは、地震画像を生成するという、いわゆる推論ステップを実行できるようになりました。これを数秒から数分で実行でき、これらの目に見えないショットデータをすべて埋めることができます。」

その結果、収集されたデータの大部分は処理する必要がなくなる、と同氏は述べた。

「それがショットデータの取得を減らす次世代製品につながるかどうかは別問題だ」と同氏は付け加えた。

ただし、獲得したショットの 3% 未満しか使用していない場合、含めるショットを選択することがより重要になります。

ポーター氏が言うように、「その数は非常に少ないので、何を使用するかが重要です。ただランダムに選ぶことはできません。」

SparkCognition は、ニューラル ネットワークが最も多くの情報を保持し、正確な地下画像の生成に最大の影響を与えるショット データの 1% ～ 3% を選択できるようにするソリューションを開発しました。 アルゴリズムによって自動ショット選択プロセスが実行されるが、システムは完全なブラックボックスではない、と同氏は述べた。

特に、Chat GPT などの一部の生成 AI が大幅に軌道から外れたと報告されていることを考えると、プロセスを把握できることは重要です。

ポーター氏によると、このソフトウェアは地質地下画像とともに信頼度を生成し、通訳者はさらにショットポイントを追加して、画像の信頼度の変化に対応して新しい地下画像を反復処理できると述べた。

「正しい答えが必要だ。地質学的下部構造を正しく理解する必要がある」と彼は言う。 「ブラックボックス的なものではないことが重要です。人間が信頼でき、地質下の地下を解明する上でニューラルネットがどこで創造的であり、いつその出力が確実であるかを理解できるものである必要があります。」

機械学習は大きな分野であり、多くの技術がこの特定のコンピュータ ビジョンの問題に対する解決策となる可能性があるとポーター氏は述べています。

「私たちは、最も効果的なものに落ち着く前に、おそらく 10 ～ 12 種類の異なるアプローチを試しました。個々のアルゴリズムだけでなく、問題に対するアプローチのクラス全体を試しました。」と彼は言いました。

しかし、生成的なソリューションだけでは十分ではありませんでした。

「機械学習やAIの分野は、データだけを使ってこのような複雑な問題にアプローチするとガラスの天井にぶつかり、素晴らしい結果が得られないことをここ数十年で学んできた」と同氏は語った。

そのガラスの天井を乗り越えるには、ある程度の創造性と、物理学、または地球科学を解決策に組み込む方法を見つける必要があると彼は言いました。

「筋金入りの機械学習の人はこう言うだろう、『いいえ、物理学には何も関わりたくない。データを使うだけだ。データとアルゴリズムに集中するつもりだ』正しい答えが導き出されるだろう」とポーター氏は語った。 「ええと、いいえ、それはうまくいかないと思います。私たちは、地球科学の影響をニューラルネットに組み合わせて、ニューラルネットが推論を引き出す方法を持たなければなりません。それは、地質学的にもっともらしい画像を作成することになりますが、地質学的に妥当ではない画像を作成することになります。もっともらしいだけですが、正しいです。」

ノイズ除去ソリューションに関する両社の協力中、SparkCognition はテキサス大学のテキサス アドバンスト コンピューティング センターにアクセスできました。

「シェルは独自のスーパーコンピューターを持っています」と彼は言う。 「しかし、研究段階では TACC に依存していました。」

ポーター氏は、この技術はシェルからの実際のデータで証明されていると述べた。

同氏は、「結果が非常に有望であるというシェルからの検証を得た。現在、展開用の製品としてシェルにリリースできるようにソフトウェアを強化している」と述べた。

SparkCognition 石油・ガス探査アドバイザーは、他の事業者も利用できるようになります。

探査、掘削、生産、海洋に関する最新情報を毎週火曜日に入手します。

ジェニファー・パラニッチは、Hart Energy のテクノロジー担当上級編集者です。 彼女は 20 年以上にわたり、油田地帯の探査、開発、生産を促進する技術について報告してきました。

2023-05-30 - Baytex Energy は、5 月に日量約 12,500 バレルが削減されたと推定しています。

2023-05-24 - Enverus は、Hart Energy について米国東部の民間 E&P 上位 10 社とメキシコ湾の上位 5 社をリストに掲載しています。

2023-05-06 - イーグル・フォードのドラド油井は非常に豊富であり、長期のLNG販売契約を満たすために追加のガス供給は緊急に必要ではないとEOG Resourcesは述べた。

2023-03-29 - パーミアンは過去1年間の掘削リグ活動で米国をリードしており、クラウンクエスト・オペレーティング、イスカンディア・エナジー、マック・エナジーなどの民間企業がシフトダウンする中、その成長の多くは大手の公共上流事業者によるものであることをデータが示している。

2023-04-25 - ここでは、世界中の主要な深海プロジェクトのいくつかをまとめます。 4 部構成シリーズの 3 回目となる Hart Energy では、2027 年までにヨーロッパと中東で稼働予定のプロジェクトについて詳しく説明します。

業界の優位性を維持するために必要なエネルギー ニュース、分析、インタビュー、独占報道。

すでに購読者ですか? サインイン

最新のエネルギーニュースを入手するには、ニュースレターを無料で購読してください