Topological Data Analysis combined with Machine Learning for Predicting Permeability of Porous Media

Resumen Técnico: Análisis Topológico de Datos combinado con Aprendizaje Automático para la Predicción de la Permeabilidad de Medios Porosos

Planteamiento del Problema
Predecir la permeabilidad de medios porosos es un desafío crítico en campos que van desde la filtración de aguas subterráneas hasta la recuperación de petróleo. Los métodos tradicionales dependen de experimentos de laboratorio o de la resolución de ecuaciones diferenciales parciales (EDP) mediante simulaciones numéricas (por ejemplo, utilizando las ecuaciones de Stokes). Aunque precisas, estas simulaciones basadas en EDP son computacionalmente intensivas, requiriendo mallas de alta resolución y un tiempo de procesamiento significativo, particularmente para muestras grandes o estructuralmente complejas. Los autores postulan que la creciente disponibilidad de representaciones digitalizadas de medios porosos hace que este problema sea adecuado para enfoques basados en datos, específicamente Aprendizaje Automático (ML), para eludir el costo computacional de la simulación directa mientras se mantiene la precisión predictiva.

Metodología
El estudio establece un flujo de trabajo para entrenar un modelo de ML que prediga la permeabilidad utilizando descriptores geométricos, topológicos y basados en redes derivados de estructuras porosas sintéticas.

1. Generación de Datos:

   • Los autores generaron 1.000 estructuras porosas 3D sintéticas utilizando el software Análisis de Microestructura Porosa (PuMA).
   • Estas estructuras consisten en esferas sólidas distribuidas aleatoriamente (diámetros de 5 a 15 vóxeles) dentro de un dominio de $50 \times 50 \times 50$ vóxeles, apuntando a una porosidad de 0,5.
   • Verdad Terrena: La permeabilidad para cada estructura se calculó directamente utilizando las capacidades integradas de PuMA resolviendo las ecuaciones de Stokes y promediando las componentes diagonales del tensor de permeabilidad.

2. Extracción de Características:
   Los autores extrajeron tres categorías de características para servir como variables de entrada para el modelo de ML:

   • Características Estructurales: Características medibles de la geometría del espacio vacío, incluidos los diámetros de las esferas, la difusividad del espacio vacío, el área superficial específica y la tortuosidad. Estas se calcularon utilizando las funciones integradas de PuMA.
   • Características Topológicas: Derivadas utilizando Análisis Topológico de Datos (TDA), específicamente Homología Persistente (HP). Se emplearon dos métodos:
     • Enfoque de Complejo Alpha: Se creó una nube de puntos mediante el submuestreo de píxeles vacíos. Se construyeron complejos $\alpha$ y se generaron Diagramas de Persistencia (DP) para rastrear el nacimiento y la muerte de componentes conectados (dimensión-0) y bucles (dimensión-1).
     • Enfoque de Transformada de Distancia Euclidiana (EDT): Se calculó la distancia euclidiana con signo desde cada píxel vacío hasta la frontera sólida más cercana. Se aplicó una filtración de supernivel a estos valores para generar DP.
     • Conversión Escalar: Los DP se agregaron en características escalares, específicamente Persistencia Total (PT), que suma las duraciones (muerte menos nacimiento) de todas las características topológicas.
   • Características de Red: Las estructuras porosas se simplificaron en redes de poros utilizando el algoritmo SNOW2 (implementado en PoreSpy). Este algoritmo identifica centros de vacío (nodos) y gargantas de conexión (aristas). Los descriptores incluyeron la conectividad de la red (triadas cerradas, caminos de longitud dos, conteo de aristas) y métricas de distancia de red (longitudes de aristas, distancias entre vecinos, centralidad de cercanía).

3. Modelo de Aprendizaje Automático:

   • Se implementó una red neuronal de alimentación directa utilizando TensorFlow.
   • Arquitectura: Una capa de entrada, tres capas ocultas densas (128 nodos cada una) y una capa de salida, con un total de aproximadamente 50.000 parámetros.
   • Entrenamiento: El conjunto de datos se dividió en 700 muestras de entrenamiento, 150 de validación y 150 de prueba. El modelo se entrenó durante 1.000 épocas utilizando el optimizador Adam y la función de pérdida de Error Cuadrático Medio (MSE). Se utilizó la función de activación Unidad Lineal Rectificada (ReLU) para introducir no linealidad.
   • Objetivo: Predecir la permeabilidad logarítmica ($\log_{10} k$) basándose en los vectores de características extraídos.

Resultados Clave
El estudio evaluó el rendimiento del modelo utilizando el Error Porcentual Absoluto Medio (MAPE) y el tiempo computacional a través de diferentes conjuntos de características:

• Precisión:

  • El uso de todos los descriptores (estructurales, topológicos y de red) arrojó un MAPE de 4,70%.
  • Las características estructurales por sí solas lograron un MAPE de 4,75%.
  • Las características topológicas (Persistencia Total) lograron un MAPE de 4,72% (para complejo $\alpha$) y 6,31% (para EDT).
  • Las características de conectividad de red por sí solas resultaron en un MAPE de 6,78%, mientras que las características de distancia de red tuvieron un rendimiento deficiente con un MAPE de 11,60%.
  • Los resultados indican que las características topológicas y estructurales proporcionan un poder predictivo casi óptimo, mientras que las métricas de distancia de red aportan poca información útil.

• Eficiencia Computacional:

  • Cálculo de Verdad Terrena: Calcular la permeabilidad para 1.000 estructuras mediante PuMA tomó 92.480 segundos.
  • Predicción de ML: Una vez entrenada, la red neuronal predijo la permeabilidad para 1.000 estructuras en 4,7 segundos (utilizando todas las características).
  • Extracción de Características: La extracción de características estructurales tomó más tiempo (18.040 segundos), mientras que la extracción de características de red fue la más rápida (820 segundos). La extracción de características topológicas (EDT) fue notablemente eficiente con 312 segundos.

Significado y Afirmaciones
El artículo afirma que el Análisis Topológico de Datos (TDA) proporciona un conjunto útil de características que, cuando se combinan con ML, producen resultados significativos para la predicción de la permeabilidad. Específicamente:

• Validación del TDA: El estudio demuestra que las medidas de homología persistente son predictores válidos de la permeabilidad, ofreciendo un rendimiento comparable a los descriptores estructurales tradicionales.
• Compensación entre Eficiencia y Precisión: Si bien las características estructurales ofrecen el mejor equilibrio entre error y tiempo de extracción, las características topológicas (particularmente mediante EDT) ofrecen un "punto medio", proporcionando predicciones precisas con una sobrecarga computacional significativamente menor que el análisis estructural completo o la simulación directa.
• Utilidad Educativa: Los autores enfatizan que el trabajo presenta estas técnicas de una manera accesible utilizando software bien documentado, con el objetivo de servir como recurso para educadores e investigadores que introducen a los estudiantes en ML y TDA en la ciencia de materiales.
• Alcance Modesto: Los autores señalan que el estudio actual se limita a datos sintéticos (dominios de $50 \times 50 \times 50$) y que la simplificación de la red (SNOW2) implica cierta pérdida de precisión. Sugieren que, aunque los resultados actuales son prometedores, el trabajo futuro debería explorar dominios más grandes y conjuntos de datos experimentales para confirmar la homogeneidad estadística y la generalizabilidad.

El artículo concluye que los modelos de ML entrenados con estos descriptores ofrecen una alternativa altamente eficiente a los métodos tradicionales basados en simulación, reduciendo drásticamente los costos computacionales mientras entregan estimaciones de permeabilidad confiables.