🤖 machine learning

OpenSeisML: Open Large-Scale Real Seismic and well-log Dataset for Generative AI

Dieser Beitrag stellt OpenSeisML vor, eine kuratierte Sammlung realer seismischer und Bohrlochdaten aus dem Nationalen Datenarchiv des Vereinigten Königreichs, die eine automatisierte Pipeline für die Zeit-Tiefen-Konvertierung umfasst, um die Knappheit öffentlicher Daten zu adressieren und das Training generativer KI-Modelle für die seismische Inversion und Unsicherheitsquantifizierung zu ermöglichen.

Ursprüngliche Autoren: Ipsita Bhar, Huseyin Tuna Erdinc, Thales Souza, Charles Jones, Felix J. Herrmann

Veröffentlicht 2026-05-21

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Ipsita Bhar, Huseyin Tuna Erdinc, Thales Souza, Charles Jones, Felix J. Herrmann

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie versuchen, einem Roboter-Koch beizubringen, wie man den perfekten Kuchen backt. Um dies zu tun, muss der Roboter Tausende von echten Kuchen probieren, um zu verstehen, wie Mehl, Zucker und Eier interagieren. In der Welt der Öl- und Gasexploration sind die „Kuchen" jedoch unterirdische Gesteinsformationen, und die „Rezepte" befinden sich in privaten Firmentresoren. Der Großteil der hochwertigen Daten, die benötigt werden, um diese KI-Köche zu trainieren, ist weggesperrt, sodass Forscher auf gefälschte, computergenerierte Kuchen angewiesen sind, die nicht ganz nach dem Original schmecken.

Diese Arbeit stellt OpenSeisML vor, eine neue, quelloffene „Küche", gefüllt mit echten, hochwertigen seismischen Daten und Bohrlochmessungen, die speziell dafür entwickelt wurde, die nächste Generation von KI für die Suche nach Öl und Gas zu trainieren.

Hier ist eine Aufschlüsselung dessen, was sie getan haben, unter Verwendung einfacher Analogien:

Das Problem: Das Dilemma des „gefälschten Kuchens"

Seit langem versuchen Forscher, KI zu trainieren, um mit synthetischen Daten (Computersimulationen) herauszufinden, was sich unter der Erde befindet.

Das Compass-Modell & SEAM: Diese sind wie sehr detaillierte, realistisch aussehende gefälschte Kuchen. Sie sehen gut aus, aber es gibt nur eine Version von jedem. Wenn Sie Ihre KI nur auf einem einzigen gefälschten Kuchen trainieren, merkt sie sich diesen spezifischen Kuchen und versagt, wenn sie einen leicht anderen echten sieht.
OpenFWI: Dies ist wie eine riesige Bibliothek mit gefälschten Kuchen unterschiedlicher Formen. Obwohl es viele davon gibt, wurden sie dennoch in einem kontrollierten Labor hergestellt. Ihnen fehlt der chaotische, unordentliche „Geschmack" der realen Geologie.

Das Ergebnis? KI-Modelle, die auf diesen Fälschungen trainiert wurden, haben oft Schwierigkeiten, wenn sie auf die unordentliche Realität der tatsächlichen Erde treffen.

Die Lösung: Die Bibliothek des „echten Kuchens"

Die Autoren wandten sich an das UK National Data Repository (NDR), eine staatlich betriebene öffentliche Bibliothek mit realen geologischen Daten. Sie bauten eine automatisierte Pipeline, um echte seismische Messungen (3D-Bilder des Untergrunds) und echte Bohrlochmessungen (Messungen aus tatsächlichen Bohrlöchern) zu erfassen.

Stellen Sie sich diese Pipeline als einen super-effizienten Fließband vor, der diese rohen Zutaten reinigt und zubereitet, damit eine KI sie sofort „essen" kann.

Die Fließbandproduktion: Wie sie die Daten vorbereiteten

Die Arbeit beschreibt einen vierstufigen Prozess, um Rohdaten in Trainingsmaterial zu verwandeln:

Einkaufen der Zutaten (Datenerfassung):
Sie luden massive 3D-seismische Datensätze und zugehörige Bohrlochmessungen aus Großbritannien herunter. Sie waren wählerisch und wählten hauptsächlich Daten aus der Zeit nach den 1990er Jahren, da ältere Daten wie „abgelaufene Zutaten" waren – unordentlich, inkonsistent und schwer automatisch zu nutzen.
Ausrichten der Karte (Koordinatensystem):
Stellen Sie sich vor, Sie versuchen, ein Satellitenfoto einer Stadt mit einer handgezeichneten U-Bahn-Karte zu überlagern. Wenn die Maßstäbe nicht übereinstimmen, passen die Linien nicht zusammen. Die Forscher sorgten dafür, dass alle seismischen Daten und die Bohrlochmessungen auf exakt derselben Koordinatenkarte lagen, damit die KI genau weiß, wo sich das Bohrloch relativ zum seismischen Bild befindet.
Die Zeit-Reise-Konvertierung (Zeit-zu-Tiefe):
Dies ist der kniffligste Teil. Seismische Daten liegen oft in „Zeit" vor (wie lange es dauerte, bis eine Schallwelle zurückkam), aber Bohrlöcher messen die „Tiefe" (wie viele Meter nach unten).
- Die Analogie: Es ist wie der Versuch, ein Rezept, das sagt „10 Minuten garen", in „garen, bis die Mitte 200 Grad erreicht" umzuwandeln. Sie benötigen eine Umrechnungstabelle.
- Die Methode: Sie verwendeten „Checkshot"-Daten (Messungen, die genau angeben, wie lange Schall benötigt, um bestimmte Tiefen zu erreichen), um ein glattes Geschwindigkeitsmodell zu erstellen. Stellen Sie sich dies als Erstellen einer „Geschwindigkeitskarte" des Untergrunds vor. Sie nutzten ein mathematisches Werkzeug namens Radiale Basisfunktionen (RBF), um die Lücken zwischen den Bohrlöchern zu füllen und eine glatte, 3D-Geschwindigkeitskarte zu erstellen, die als Übersetzer zwischen Zeit und Tiefe dient.
Schneiden des Laibs (Erstellen von Trainingsdaten):
Sobald die 3D-Daten in Tiefe umgewandelt waren, schnitten sie sie in 2D-Streifen, die genau durch die Bohrlöcher verliefen. Anschließend passten sie diese Schnitte auf eine Standardgröße an (wie das Ändern der Größe aller Fotos auf 1080p), damit die KI konsistent daraus lernen konnte.

Das Ergebnis: Ein neuer KI-Koch

Die Forscher testeten diesen neuen Datensatz, indem sie ein Diffusionsmodell trainierten (eine Art generativer KI, die Muster lernt, um neue Bilder zu erzeugen).

Der Test: Sie trainierten die KI mit nur 40 echten Bohrlöchern.
Das Ergebnis: Die KI lernte erfolgreich den statistischen „Geschmack" des Untergrunds. Sie konnte neue, realistische Geschwindigkeitsmodelle generieren, die der tatsächlichen Realität sehr ähnlich sahen.
Das Ziel: Das ultimative Ziel ist es, diese KI zu nutzen, um Tausende von „Was-wäre-wenn"-Szenarien zu erstellen. Dies hilft Geologen, die Unsicherheit dessen zu verstehen, was unter der Erde liegt, anstatt ihnen nur eine einzige Vermutung zu geben.

Zusammenfassung

Kurz gesagt sagt die Arbeit: „Hören Sie auf, Ihre KI auf gefälschten, einseitigen Simulationen zu trainieren. Wir haben eine automatisierte Pipeline gebaut, um echte seismische Daten aus Großbritannien zu ernten, zu reinigen und zu organisieren. Dies ermöglicht es der KI, die wahre, unordentliche, statistische Natur der Erde zu lernen, was zu besseren Vorhersagen für die seismische Inversion führt."

Derzeit arbeiten sie mit 2D-Schnitten und planen, dies auf 3D auszuweiten und mehr Bohrlöcher (bis zu 1.000) einzubeziehen, um die KI noch intelligenter zu machen.

Technisches Fazit: OpenSeisML

Problemstellung
Die Entwicklung und Bewertung von Generativen KI (Gen-AI)-Workflows für die seismische Inversion wird derzeit durch einen Mangel an realistischen, hochwertigen Geschwindigkeitsmodellen behindert. Zwar hat maschinelles Lernen die seismische Inversion durch die Reduzierung der Rechenkosten iterativer Methoden beschleunigt, doch die meisten verfügbaren hochwertigen Daten befinden sich im privaten Eigentum von Öl- und Gasunternehmen. Bestehende öffentliche Benchmarks wie das Compass-Modell, SEAM und OpenFWI leiden unter erheblichen Einschränkungen: Sie sind häufig auf einzelne deterministische Realisierungen beschränkt, fehlt es an stochastischer Variabilität, oder sie beruhen auf synthetischen Daten, die die volle geologische Komplexität und Variabilität realer Feldbedingungen nicht erfassen. Folglich laufen Modelle, die auf diesen Datensätzen trainiert werden, Gefahr, sich an spezifische Geologien oder synthetische Aufbauten zu überanpassen und haben Schwierigkeiten, sich auf diverse Untergrundumgebungen zu verallgemeinern.

Methodik
Um diese Lücken zu schließen, stellen die Autoren OpenSeisML vor, eine automatisierte Datenkuratierungs-Pipeline, die darauf ausgelegt ist, groß angelegte, reale seismische und Bohrlochdaten aus dem UK National Data Repository (NDR) zu generieren. Der Workflow besteht aus vier Hauptkomponenten:

Datenerfassung: Die Pipeline nutzt das UK-NDR-Portal, um über APIs 3-D-migrierte seismische Daten (SEG-Y) und zugehörige Bohrlochdaten (LAS und Checkshot-Dateien) im Batch-Verfahren herunterzuladen. Um Qualität und Reproduzierbarkeit sicherzustellen, priorisieren die Autoren Surveys, die nach den 1990er-Jahren durchgeführt wurden, um inkonsistente Header und unsichere Bohrlochkohordinaten zu vermeiden, obwohl eine kleine Anzahl von Surveys vor 1990 nach Überprüfung ebenfalls einbezogen wurde.
Vorverarbeitung und Ausrichtung: Seismische Volumina und Bohrlochdaten werden in einem gemeinsamen Koordinatenreferenzsystem (CRS) ausgerichtet. Um 3-D-seismische Daten auf einem regelmäßigen Gitter darzustellen, schätzen die Autoren die Survey-Grenzen unter Verwendung einer konkaven Hülle, um unregelmäßige Akquisitionsgeometrien zu berücksichtigen, und extrahieren die größte zusammenhängende rechteckige Region mit regelmäßigen Gittern.
Zeit-zu-Tiefe-Konvertierung: Da gestapelte seismische Daten möglicherweise im Zeitbereich vorliegen, während Bohrlochlogs im Tiefenbereich vorliegen, ist eine Konvertierung notwendig. Die Autoren nutzen Checkshot-Daten (die Tiefe und Zweiweg-Laufzeiten bereitstellen), um mittlere Geschwindigkeiten zu berechnen. Diese Geschwindigkeiten werden mittels einer Radial-Basis-Funktion (RBF) räumlich interpoliert, um ein glattes 3-D-Geschwindigkeitsvolumen zu konstruieren. Dieses Volumen wird verwendet, um zeitmigrierte seismische Daten in den Tiefenbereich zu konvertieren. Die Autoren weisen ausdrücklich darauf hin, dass das Ziel eine konsistente Zeit-Tiefe-Zuordnung und nicht ein hochpräzises Intervallgeschwindigkeitsmodell ist, mit dem Ziel, das allgemeine statistische Verhalten des Geschwindigkeitsfelds zu erfassen.
Generierung von Trainingsdaten: Der letzte Schritt umfasst das Extrahieren von 2-D-Tiefenbereich-seismischen Abschnitten entlang „quasi-2D-Linien", die durch ausgewählte Bohrlochtrajektorien verlaufen. Diese Abschnitte werden unter Verwendung einer 2D-FFT mit einem glatten Tiefpassfilter auf ein $256 \times 512$ -Gitter neu abgetastet, um die Auflösungen zwischen den seismischen Spuren und den typischerweise feiner abgetasteten Bohrlochlogs zu harmonisieren. Der endgültige Datensatz besteht aus 2-D-seismischen Abschnitten, die mit Bohrlochkontrolle integriert sind, und wird im HDF5-Format gespeichert.

Hauptbeiträge

OpenSeisML-Datensatz: Eine kuratierte Sammlung realer seismischer Datensätze aus dem Nordsee-Becken, die speziell zur Unterstützung von Gen-AI-Workflows für die seismische Inversion entwickelt wurde.
Automatisierte Pipeline: Ein reproduzierbarer, automatisierter Workflow zur Datenkuratierung, der die Komplexitäten der Ausrichtung realer seismischer und Bohrlochdaten bewältigt, einschließlich der Zeit-zu-Tiefe-Konvertierung unter Verwendung von aus Checkshot-Daten abgeleiteten Geschwindigkeitsmodellen.
Statistische Darstellung: Im Gegensatz zu früheren Benchmarks, die einzelne Realisierungen bieten, erfasst dieser Datensatz die statistische Verteilung der Untergrund-Eigenschaften und ermöglicht die Synthese mehrerer statistisch konsistenter Realisierungen für die Unsicherheitsquantifizierung.
Multi-Parameter-Unterstützung: Der Datensatz umfasst nicht nur Geschwindigkeit, sondern auch petrophysikalische Messungen (Gamma-Ray-, Neutron-, Dichte-, Sonic- und Widerstandslogs), die Einschränkungen für Lithologie, Porosität und Fluid-Eigenschaften bieten.

Ergebnisse
Die Autoren führten vorläufige Experimente durch, bei denen ein diffusionsbasiertes generatives Modell auf den kuratierten OpenSeisML-Daten trainiert wurde.

Das Modell wurde zunächst auf dem Compass-Datensatz für einen Baseline-Vergleich trainiert und anschließend mit Daten von nur 40 Bohrlöchern aus der OpenSeisML-Sammlung neu trainiert.
Die Ergebnisse zeigten, dass das Modell realistische Geschwindigkeitsmodell-Verteilungen generieren konnte, die eng mit den aus den Bohrlöchern abgeleiteten Ground-Truth-Daten übereinstimmen.
Die Autoren weisen darauf hin, dass diese Ergebnisse vorläufig sind; zukünftige Arbeiten beinhalten die Skalierung des Trainings auf mindestens 1.000 reale Bohrlochlogs, um Genauigkeit und Verallgemeinerung weiter zu verbessern.

Bedeutung und Behauptungen
Die Arbeit behauptet, dass OpenSeisML den kritischen Engpass der Datenknappheit bei der Entwicklung vertrauenswürdiger und reproduzierbarer ML-Modelle für die Geophysik adressiert. Durch die Nutzung realer Felddaten anstelle von synthetischen oder deterministischen Modellen zielt das Framework darauf ab, die wahren statistischen Merkmale und die geologische Komplexität der Untergrundbedingungen zu erfassen. Die Autoren positionieren diese Arbeit als einen grundlegenden Schritt hin zum Training generativer Modelle, die als Priors für die seismische Inversion dienen und die Unsicherheitsquantifizierung erleichtern können. Sie betonen, dass die aktuelle Bewertung in einem 2-D-Setting erfolgt, mit Plänen, das Framework auf 3-D zu erweitern, und heben das Potenzial dieser Datensätze hervor, Multi-Parameter-Inversionsalgorithmen in der Zukunft zu evaluieren.