Physics-Driven Hierarchical Cascade Surrogate for Compositional Simulation of Geological CO2 and H2S Storage

Imaginez la croûte terrestre comme une immense éponge ancienne faite de roche, cachée profondément sous terre. Les scientifiques tentent de comprendre comment injecter notre excès de dioxyde de carbone (CO2) dans ces poches profondes pour arrêter le réchauffement du climat. C'est ce qu'on appelle le « stockage géologique du carbone ». Mais voici la partie délicate : une fois que vous injectez ce gaz là-dessous, il ne reste pas immobile comme un rocher. Il se mélange à l'eau salée, se dissout, flotte et réagit avec la roche sur des centaines d'années. Pour s'assurer que le gaz reste piégé et ne remonte pas à la surface, les scientifiques utilisent des supercalculateurs pour exécuter des simulations complexes. Ces simulations agissent comme une machine à remonter le temps, prédisant exactement où le gaz ira et comment il changera au cours des siècles. Cependant, exécuter ces simulations revient à essayer de résoudre un puzzle de un million de pièces alors que les pièces sont constamment en mouvement ; cela demande tellement de puissance de calcul et de temps qu'il est difficile de réaliser assez de tests pour être absolument certain de la sécurité de l'ensemble.

Entrez dans le monde des « modèles de substitution » (surrogate models). Considérez-les comme des raccourcis astucieux. Au lieu de résoudre l'intégralité du puzzle difficile à chaque fois, un modèle de substitution est comme un étudiant super intelligent qui a regardé le maître résoudre le puzzle des milliers de fois. Il apprend les schémas et peut deviner l'image finale presque instantanément. Le grand défi a été de rendre ces raccourcis assez précis pour prédire non seulement où se trouve le gaz, mais aussi exactement ce qu'il fait — s'il est dissous dans l'eau, s'il flotte sous forme de gaz ou s'il est coincé dans la roche. Si le raccourci se trompe sur les détails, nous pourrions penser que le gaz est en sécurité alors qu'il dérive en réalité vers la surface.

Ce document présente un nouveau raccourci hautement sophistiqué appelé « Hierarchical Cascade Surrogate » (HCS-CO2S). Imaginez construire un château de cartes, mais au lieu de les empiler de manière aléatoire, vous construisez en cinq couches spécifiques, où chaque couche doit être parfaitement stable avant de pouvoir construire la suivante. La première couche détermine la pression et la température (la « météo » à l'intérieur de la roche). La deuxième couche utilise cette météo pour déterminer la densité et la viscosité des fluides. La troisième couche décide de l'espace occupé par le gaz, l'huile et l'eau, en s'assurant qu'ils totalisent exactement 100 % de l'espace disponible. La quatrième couche calcule exactement quelle quantité de CO2 est dissoute dans l'eau par rapport à celle qui flotte dans le gaz. Enfin, la cinquième couche rassemble le tout. Les chercheurs ont entraîné ce modèle sur une simulation de CO2 mélangé à un peu de sulfure d'hydrogène (H2S) injecté dans une formation rocheuse profonde. Ils ont ensuite demandé au modèle de prédire ce qui se passerait dans 100 ans, une période de temps qu'il n'avait jamais vue auparavant. Le résultat ? Le modèle a prédit avec succès l'emplacement du nuage de gaz et sa composition chimique avec une précision impressionnante, prouvant que cette approche « par couches » peut agir comme une machine à remonter le temps fiable et rapide pour protéger notre planète.

L'histoire de la machine à remonter le temps « par couches »

Les chercheurs, Stepan Zainulin et Anna Storozheva, s'attaquaient à un problème qui s'apparente à essayer de prédire la trajectoire d'une goutte d'encre dans un océan tourbillonnant, mais l'océan est fait de roche et l'encre est un gaz toxique. Ils voulaient savoir : pouvons-nous construire un modèle d'apprentissage automatique qui ne se contente pas de deviner la forme générale du nuage de gaz, mais qui comprend la chimie à l'intérieur ?

La plupart des modèles existants sont comme une photo floue du nuage de gaz. Ils peuvent vous dire approximativement où se trouve le gaz et quelle pression s'accumule, mais ils ne peuvent pas vous dire exactement quelle quantité de CO2 s'est dissoute dans l'eau salée par rapport à celle qui flotte encore sous forme de gaz. C'est un point crucial car, sur des centaines d'années, la dissolution du gaz dans l'eau est en fait l'un des moyens les plus sûrs de le stocker. Si votre modèle ne peut pas voir la chimie, il ne peut pas vous dire si le stockage est réellement sécurisé.

Les auteurs soutiennent que les tentatives précédentes pour accélérer ces simulations présentaient trois défauts principaux. Premièrement, de nombreux modèles ne fonctionnent que sur des grilles parfaitement carrées, comme un damier, mais les couches rocheuses souterraines réelles sont dentelées et irrégulières (comme une feuille de papier froissée). Deuxièmement, certains modèles tentent d'apprendre les lois de la physique directement mais font souvent des erreurs mathématiques sur de longues périodes, provoquant une accumulation d'erreurs comme des boules de neige dévalant une colline. Troisièmement, et c'est le plus important, aucun des modèles précédents ne pouvait prédire la décomposition chimique détaillée des fluides.

Pour corriger cela, l'équipe a construit son « Hierarchical Cascade Surrogate ». Décomposons le fonctionnement de cette « cascade » en utilisant une analogie simple. Imaginez que vous essayez de décrire un plat complexe à un ami. Vous ne diriez pas simplement « c'est bon ». Vous suivriez un ordre logique :

1. Les conditions de la cuisine (Niveau 1 et 2) : D'abord, vous décrivez la température et la pression dans la cuisine. Est-ce chaud ? La pression est-elle élevée ?
2. Les propriétés des ingrédients (Niveau 3) : En fonction de cette chaleur et de cette pression, vous décrivez comment les ingrédients se comportent. L'huile est-elle épaisse ? L'eau est-elle fluide ?
3. Le mélange (Niveau 4) : Maintenant, vous déterminez comment les ingrédients remplissent le bol. Quel espace le gaz occupe-t-il ? Combien d'espace l'eau prend-elle ? Crucialement, vous vous assurez qu'ils totalisent exactement un bol plein.
4. Le profil de saveur (Niveau 5) : Enfin, vous décrivez exactement quelle quantité de l'épice principale (CO2) se trouve dans l'eau, dans l'huile et dans le gaz.

Cette approche étape par étape est la « cascade ». En forçant le modèle à résoudre d'abord les parties physiques faciles (pression et densité) avant de deviner les parties chimiques complexes, le modèle est moins susceptible de commettre des erreurs grossières. C'est comme un chef qui vérifie la température du four avant de décider du temps de cuisson du gâteau.

Le grand test : la prévision aveugle à 100 ans

La véritable magie de ce document n'est pas seulement qu'ils ont construit le modèle ; c'est la façon dont ils l'ont testé. Habituellement, les scientifiques entraînent un modèle sur des données allant de l'année 1 à 100, puis le testent de l'année 101 à 110. Mais cela revient un peu à tricher, car le modèle a déjà vu le schéma.

Au lieu de cela, les auteurs ont fait quelque chose de bien plus difficile. Ils ont entraîné le modèle sur des données jusqu'à un certain point, puis ont complètement retiré les 20 dernières années de données de leur entraînement. Ils lui ont ensuite demandé de prédire l'état du réservoir à un moment futur spécifique (étape 144) en se basant uniquement sur un moment antérieur (étape 123). C'est une « prévision aveugle ». C'est comme demander à un étudiant de passer un examen final sur une matière qu'il n'a pas encore vue, juste pour voir s'il comprend vraiment les concepts.

Les résultats ont été impressionnants. Le modèle a prédit avec succès l'emplacement du panache de CO2 (le nuage de gaz) avec une précision quasi parfaite.

• La traque du panache : Si vous demandiez au modèle : « Y a-t-il du gaz dans cette cellule rocheuse spécifique ? », il répondait « Oui » pour chaque cellule contenant réellement du gaz. Il n'en a manqué aucune (rappel de 100 %). Il a toutefois répondu « Oui » pour 12 cellules supplémentaires qui étaient en fait vides, mais c'est une erreur « conservatrice » — il vaut mieux penser qu'il y a un peu trop de gaz que de rater une fuite dangereuse.
• Le contrôle de la chimie : Le modèle a prédit la quantité de CO2 dissoute dans l'eau avec un haut degré de précision (une valeur R-carré de 0,905). Cela signifie qu'il pouvait faire la différence entre un gaz qui flotte simplement et un gaz qui est en toute sécurité verrouillé dans l'eau.
• La vitesse : La partie la plus excitante ? La simulation physique complète que ce modèle cherche à remplacer prend beaucoup de temps à s'exécuter. Ce nouveau modèle, fonctionnant sur un processeur d'ordinateur standard (pas besoin de supercalculateur sophistiqué), a prédit l'état futur complet des 21 142 cellules rocheuses en seulement 22,4 secondes.

Les failles et l'avenir

Les auteurs sont honnêtes sur le fait que leur modèle n'est pas parfait. Bien qu'il ait été excellent pour prédire la localisation du nuage de gaz, il n'était pas parfait pour prédire la pression exacte dans chaque point. Dans quelques zones spécifiques, la prédiction de la pression était erronée de jusqu'à 11,3 bars. Le document suggère que cela se produit parce que le modèle examine chaque cellule rocheuse individuellement et ne « communique » pas assez avec ses voisines pour lisser les changements de pression, surtout après l'arrêt de l'injection de gaz. C'est comme une foule de personnes où chacun connaît sa propre humeur mais ne sait pas ce que la personne à côté de lui ressent.

De plus, le modèle était légèrement trop prudent. Il a prédit que le nuage de gaz était un peu plus petit qu'il ne l'était réellement à l'intérieur du nuage, mais il a aussi pensé que le nuage s'étendait un peu plus loin dans la roche vide environnante. C'est un compromis que les auteurs ont fait pour s'assurer de ne manquer aucun gaz.

Le document conclut que cette approche « par couches » est une avancée majeure. Elle prouve que nous pouvons construire des modèles rapides et précis qui comprennent la chimie du stockage du carbone, et pas seulement la forme du nuage de gaz. Cependant, les auteurs précisent avec prudence que cela a été testé sur un seul type de formation rocheuse. Ils n'ont pas encore prouvé que ce modèle fonctionne sur toutes les différentes formations rocheuses souterraines du monde. C'est le prochain défi : apprendre à ce « l'étudiant intelligent » à gérer différentes « salles de classe » (différents sites géologiques) sans avoir besoin de tout réapprendre à partir de zéro.

En fin de compte, ce document ne prétend pas avoir résolu l'intégralité du problème du stockage du carbone. Au lieu de cela, il offre un nouvel outil puissant — une machine à remonter le temps rapide et consciente de la chimie — qui pourrait aider les scientifiques à effectuer des milliers de tests de sécurité dans le temps qu'il fallait auparavant pour n'en réaliser qu'un seul. Et dans la course pour sauver le climat, avoir plus de temps pour vérifier notre travail pourrait bien être la chose la plus importante de toutes.