Learning and Inferring Multiphase Flow Dynamics in Porous Media using Scientific Machine Learning: Application to the "FluidFlower" CO2 Injection Experiment

Este artículo presenta un marco de aprendizaje automático científico que combina un sustituto de red neuronal convolucional con la inferencia bayesiana para predecir y calibrar eficientemente la dinámica de flujo multifásico de CO2-salmuera en medios porosos, demostrando mejoras significativas en la identificación de parámetros y la precisión de la simulación sobre los métodos tradicionales utilizando datos experimentales de alta resolución de "FluidFlower".

Lo esencial

Imagina que estás intentando predecir cómo se propaga una gota de tinta a través de una esponja, pero esta esponja está hecha de diferentes tipos de arena, tiene grietas ocultas (fallas) y la tinta es en realidad dióxido de carbono gaseoso inyectado bajo tierra. Este es el desafío del almacenamiento geológico de carbono: averiguar exactamente a dónde irá el gas y cómo quedará atrapado para que podamos almacenarlo de forma segura.

El problema es que la física involucrada es increíblemente compleja. Para obtener una respuesta perfecta utilizando modelos computacionales tradicionales, hay que ejecutar simulaciones masivas y lentas. Si quieres saber qué tan incierto eres sobre la respuesta (por ejemplo, "¿qué pasa si la arena es ligeramente más porosa?"), tendrías que ejecutar esas simulaciones lentas miles de veces. Eso toma demasiado tiempo y cuesta demasiada potencia de cómputo.

Este artículo presenta una solución ingeniosa utilizando el Aprendizaje Automático Científico (SciML) para acelerar el proceso y realizar mejores predicciones. Así es como lo hicieron, explicado de forma sencilla:

1. El "Aprendiz Veloz" (El Modelo Sustituto)

Piensa en la simulación tradicional de alta fidelidad como un maestro chef que puede cocinar el plato perfecto pero tarda tres días en hacerlo. No puedes pedirle al maestro chef que cocine 1,000 variaciones del plato solo para ver cuál sabe mejor.

Los autores entrenaron una Red Neuronal Convolucional (CNN) —a la que llaman "sustituto"— para que actuara como un aprendiz veloz.

• Entrenamiento: Alimentaron al aprendiz con 98 ejemplos del trabajo del maestro chef (simulaciones de CO2 moviéndose a través del tanque "FluidFlower").
• Aprendizaje: El aprendiz aprendió los patrones: cómo sube el gas, cómo se extiende lateralmente y cómo se queda atrapado en diferentes capas de arena.
• El Resultado: Una vez entrenado, el aprendiz puede predecir el resultado de un nuevo escenario en una fracción de segundo. Es millones de veces más rápido que el maestro chef, aunque todavía logra captar la idea general. Captura la forma principal de la nube de gas (la "pluma") y cómo se mueve, incluso si pierde algunos pequeños y caóticos remolinos (dedos o fingering) que son difíciles de predecir.

2. El "Juego de Detective" (Inferencia Bayesiana)

Ahora que tienen un aprendiz rápido, necesitaban resolver un problema de detective: ¿Cuáles son las propiedades ocultas de la roca subterránea?

En el mundo real, no conocemos la permeabilidad exacta (qué tan fácil es para un fluido fluir) ni la presión de cada capa de roca. Solo tenemos algunas mediciones.

• La Forma Antigua: Los científicos solían adivinar las propiedades de la roca, ejecutar la lenta simulación del maestro chef, comparar con el experimento y ajustar la suposición. Hacían esto manualmente, observando solo unos pocos números grandes (como "¿qué tan grande es la nube de gas a la 1 hora?").
• La Nueva Forma: Los autores utilizaron al aprendiz rápido dentro de un marco de inferencia bayesiana (un método estadístico). Dejaron que la computadora ejecutara miles de escenarios de "¿qué pasaría si...?" de forma instantánea.
• El Giro: En lugar de mirar solo unos pocos números, le entregaron a la computadora el video completo del experimento. Compararon la imagen completa de la nube de gas moviéndose a lo largo del tiempo contra las predicciones del aprendiz.

3. Lo que Encontraron

• Mejor Precisión: Al usar el video completo y el aprendiz rápido, su modelo coincidió mucho mejor con el experimento real que los intentos manuales anteriores. Predijo correctamente cómo la nube de gas golpeaba una "falla" (una grieta en la roca) y cómo se extendía bajo un "sello" (una capa que impide que el gas escape).
• El Problema de la "Huella Digital": Descubrieron que diferentes combinaciones de propiedades de la roca pueden producir a veces nubes de gas con un aspecto similar. Es como si dos huellas dactilares distintas dejaran la misma mancha en una ventana. Esto significa que no hay una sola respuesta "perfecta" para las propiedades de la roca; hay varias posibilidades plausibles. El marco de aprendizaje automático les ayudó a mapear todas estas posibilidades, en lugar de simplemente elegir una.
• El Tiempo Importa: Probaron cuántos datos necesitaban. Descubrieron que una vez que la nube de gas interactuaba con las principales características geológicas (como las fallas y los sellos), los datos se volvían muy informativos. Añadir más datos después de ese punto no ayudaba mucho más. Es como resolver un rompecabezas: una vez que encuentras las piezas de las esquinas y la imagen principal, añadir unas pocas piezas de los bordes no cambia mucho la imagen.

El Experimento "FluidFlower"

Todo el estudio se probó en un experimento de la vida real llamado "FluidFlower". Imagina un tanque grande y transparente lleno de diferentes capas de arena. Los científicos inyectan CO2 (que se vuelve azul en el agua debido a un indicador de pH) y observan cómo se mueve. Debido a que el tanque es transparente, pueden tomar fotos de toda la nube de gas a medida que evoluciona. Esto proporcionó la "verdad de terreno" para probar si su aprendiz de IA realmente estaba aprendiendo la física correcta.

La Conclusión

Este artículo muestra que, al combinar un "aprendiz" de IA rápido con un juego de detective estadístico, los científicos pueden:

1. Predecir cómo se mueve el dióxido de carbono bajo tierra mucho más rápido que antes.
2. Utilizar datos de experimentos del mundo real para descubrir las propiedades ocultas de la roca.
3. Comprender los límites de lo que podemos saber (identificando qué propiedades de la roca son fáciles de adivinar y cuáles son ambiguas).

Este es un gran paso hacia la creación de "gemelos digitales" de sitios de almacenamiento subterráneo: modelos virtuales que sean lo suficientemente precisos como para ayudarnos a tomar decisiones seguras sobre el almacenamiento de dióxido de carbono para combatir el cambio climático.

Resumen técnico

Resumen Técnico: Aprendizaje e Inferencia de la Dinámica de Flujo Multifásico en Medios Porosos mediante Aprendizaje Automático Científico

Planteamiento del Problema
La predicción precisa y la identificación de parámetros para el flujo multifásico en medios porosos son críticas para el almacenamiento geológico de dióxido de carbono (GCS), pero siguen siendo un desafío debido a las fuertes no linealidades, los espacios de parámetros de alta dimensión y la escasez de datos observacionales. Las simulaciones numéricas tradicionales de alta fidelidad, aunque sofisticadas, son computacionalmente costosas, lo que las hace impracticables para la cuantificación de la incertidumbre, el modelado inverso o la toma de decisiones en tiempo real. Además, la escasez de datos a escala de campo crea un desajuste entre la validación del modelo y los conocimientos accionables. Si bien los experimentos controlados de laboratorio como el referente "FluidFlower" proporcionan datos de alta resolución, el ajuste de historial (history matching) contra dichos datos suele ser mal planteado, requiriendo calibraciones iterativas guiadas por expertos que pueden no utilizar plenamente la información espaciotemporal.

Metodología
Los autores proponen un marco de Aprendizaje Automático Científico (SciML) que integra el modelado de sustitución (surrogate modeling) con la inferencia bayesiana para abordar la predicción directa y la estimación inversa de parámetros para flujos de CO2-salmuera.

1. Modelado de Sustitución Directa (Forward Surrogate Modeling):

   • Generación de Datos: Se generaron simulaciones numéricas de alta fidelidad del experimento "FluidFlower" utilizando el MATLAB Reservoir Simulation Toolbox (MRST). Estas simulaciones resolvieron las ecuaciones de balance de masa para un flujo de dos fases y dos componentes con funciones de presión capilar y permeabilidad relativa histéreticas.
   • Arquitectura: Se entrenó una Red Neuronal Convolucional (CNN) basada en la arquitectura UNet para aprender el mapeo de las realizaciones de parámetros geológicos hacia la evolución de los campos de saturación de CO2 y de la concentración de CO2 disuelto.
   • Entrada/Salida: El modelo toma como entrada campos de parámetros estructurados espacialmente (permeabilidad, presión de entrada capilar, saturación de agua connata y exponentes de permeabilidad relativa para tres regiones geológicas: arena de almacenamiento, arena de falla y sello superior) y el tiempo. Produce los campos correspondientes de concentración de CO2 disuelto y saturación de gas en una rejilla uniforme de 64 × 128.
   • Entrenamiento: El sustituto fue entrenado en 98 ejecuciones de simulación (45,668 pares de entrada-salida) y probado en casos no vistos, logrando una aceleración de órdenes de magnitud respecto a las simulaciones originales de física completa.

2. Inferencia Inversa de Parámetros:

   • Marco de Trabajo: El sustituto entrenado se integró dentro de un marco de Monte Carlo por Cadenas de Markov (MCMC) (utilizando el muestreador de ensamble emcee) para realizar la inferencia bayesiana.
   • Verosimilitud (Likelihood): La función de verosimilitud se construyó comparando mapas binarios observados experimentalmente de las plumas de CO2 disuelto y gaseoso (derivados del procesamiento de imágenes de las fotografías de "FluidFlower") contra las predicciones umbralizadas del sustituto.
   • Objetivo: Este enfoque permite la exploración eficiente del espacio de parámetros de 15 dimensiones para identificar las distribuciones posteriores de propiedades petrofísicas clave, evitando el costo prohibitivo de repetir las simulaciones de física completa.

Resultados Clave

• Precisión de la Predicción Directa: El modelo sustituto captura con precisión la migración de la pluma de CO2 a gran escala, el movimiento ascendente impulsado por la flotabilidad, la dispersión lateral y las interacciones con estructuras geológicas heterogéneas (fallas y sellos). Aunque existen discrepancias menores en las estructuras de ramificación (fingering) de escala fina debido a inestabilidades hidrodinámicas, el modelo mantiene una alta fidelidad en el comportamiento de transporte macroscópico. El análisis cuantitativo utilizando la Distancia de Wasserstein de Transporte Óptimo (OTWD) muestra que las predicciones del sustituto están consistentemente más cerca de las soluciones de referencia que las realizaciones típicas de entrenamiento, incluso a medida que aumenta la complejidad de la solución con el tiempo.
• Desempeño de la Inferencia Inversa: La inversión bayesiana asistida por el sustituto mejora significamente la concordancia entre las simulaciones y las observaciones experimentales en comparación con las calibraciones manuales. La solución de Máxima Posterior (MAP) inferida reproduce mejor la geometría de la pluma a gran escala, la extensión vertical y las rutas de migración, particularmente en regiones influenciadas por fallas y capas de sello.
• Identificabilidad de Parámetros: El análisis revela que, si bien algunos parámetros (por ejemplo, los multiplicadores de permeabilidad en regiones específicas) están bien restringidos por las observaciones, otros permanecen ampliamente distribuidos o exhiben múltiples modos. Esto resalta la no unicidad del problema inverso, donde distintas combinaciones de parámetros pueden producir comportos de pluma macroscópicos similares.
• Impacto del Horizonte de Observación: El estudio demuestra que los datos observacionales se vuelven sustancialmente más informativos una vez que la pluma interactúa con características geológicas mayores (fallas y capas de sello). Extender el horizonte de observación más allá del punto en que la pluma establece las rutas de migración primarias ofrece rendimientos decrecientes para restringir el comportamiento de transporte a gran escala, ya que las discrepancias restantes están dominadas por la dinámica sensible de ramificación a escala fina.

Significancia y Reivindicaciones
El artículo afirma que este marco constituye un paso crítico hacia los gemelos digitales basados en datos para sistemas del subsuelo. Al aprovechar las observaciones de campo completo, resueltas espacial y temporalmente, el enfoque mejora sustancialmente la concordancia macroscópica entre simulaciones y experimentos en comparación con las calibraciones manuales previas basadas en cantidades escalares limitadas.

Los autores enfatizan que el modelo sustituto aprende un comportamiento de transporte físicamente significativo en lugar de una simple interpolación, manteniendo un desempeño robusto incluso en regímenes de flujo no lineales complejos. La integración de SciML con la inferencia bayesiana hace computacionalmente tratable la exploración de espacios de parámetros de alta dimensión, revelando combinaciones de parámetros identificables y no identificables. Esta capacidad respalda la predicción consciente de la incertidumbre y la toma de decisiones, cerrando la brecha entre las simulaciones de alta fidelidad y los conocimientos accionables para la evaluación de riesgos en el almacenamiento geológico de carbono. El trabajo también subraya la importancia del referente "FluidFlower" para validar estos enfoques frente a la realidad física, yendo más allá de los conjuntos de datos sintéticos.