Digital Rock Reconstruction with Differentiable Gaussian Ellipsoids

Profondément sous terre, dans le monde caché des réservoirs de pétrole et de gaz, la roche est rarement un bloc solide. Au contraire, elle ressemble à une éponge composée d'un labyrinthe de minuscules trous et de canaux étroits où circulent des fluides comme le pétrole, l'eau et le gaz. Pour comprendre la quantité d'énergie qui peut être extraite de ces roches, les ingénieurs doivent savoir avec quelle facilité ces fluides peuvent se déplacer à travers le réseau. Cette propriété, appelée perméabilité, dépend entièrement de la manière dont les trous sont connectés entre eux. Une roche peut paraître pleine de trous, mais si ces trous sont des îles isolées plutôt qu'une autoroute connectée, le fluide ne peut pas passer. Traditionnellement, les scientifiques utilisent de puissants scanners à rayons X pour prendre des photos de ces roches, créant ainsi une carte tridimensionnelle des pores. Cependant, ces scanners ont des limites ; ils ne peuvent pas toujours voir les connexions les plus infimes et critiques, ou ils ne peuvent pas scanner une portion de roche suffisamment grande pour être véritablement représentative de l'ensemble de la formation souterraine.

Pour combler cette lacune, les chercheurs construisent des « roches numériques » — des modèles informatiques qui recréent les structures poreuses complexes d'échantillons réels. Pendant des années, l'objectif de ces modèles numériques a été de ressembler autant que possible aux images de rayons X originales. L'hypothèse était que si le modèle numérique était visuellement identique au scan, il se comporterait également de la même manière lorsque des fluides tenteraient de s'y déplacer. Mais cette hypothèse comporte une faille. Un modèle peut être une copie visuelle parfaite de la surface d'une roche tout en échouant à capturer les voies cachées et sinueuses qui contrôlent réellement l'écoulement. Si le modèle numérique réussit à reproduire la forme mais se trompe sur les connexions, les prédictions sur la quantité de pétrole qui pourrait être récupérée pourraient être radicalement inexactes. Ce décalage entre l'apparence d'une roche et son fonctionnement est le puzzle central qu'une nouvelle étude de l'Université du Pétrole de Southwest et de l'Université de Sichuan cherche à résoudre.

Les chercheurs ont abordé ce problème en modifiant les éléments de construction fondamentaux de leurs modèles numériques. Au lieu d'essayer de reconstruire la roche à l'aide d'une grille de petits cubes, comme c'est le cas pour les images informatiques standards, ils ont utilisé une collection d'ellipsoïdes tridimensionnels mous. Imaginez-les comme des ovales lisses et malléables de tailles et d'orientations variables, flottant dans l'espace. L'équipe a développé une méthode pour disposer ces ovales de sorte que, lorsqu'ils sont superposés, ils correspondent parfaitement à la forme des pores d'un échantillon de roche réelle. L'innovation réside dans la manière dont ils ont appris à l'ordinateur à faire cela. Ils n'ont pas simplement procédé par tâtonnements ; ils ont utilisé une technique appelée rendu différentiable, qui permet à l'ordinateur de voir la différence entre l'arrangement actuel des ovales et l'image cible de la roche, puis d'ajuster automatiquement la position, la taille et la forme de chaque ovale pour réduire cette différence. C'est un processus de raffinement continu et précis, où l'ordinateur apprend à sculpter la roche numérique en observant comment la lumière la traverserait, tranche par tranche.

Un défi majeur de ce processus était de s'assurer que les bords lisses et mous de ces ovales numériques puissent être transformés à nouveau en les limites nettes et distinctes d'une roche réelle, où un pore est soit un espace vide, soit une pierre solide. Pour résoudre cela, les chercheurs ont doté chaque ovale d'un paramètre de « netteté » que l'ordinateur pouvait apprendre et ajuster. Cela a permis aux formes douces de devenir assez nettes pour former une carte binaire claire de l'intérieur de la roche. Ils ont également ajouté une règle pour empêcher les ovales de s'étirer trop finement ou de devenir trop longs, ce qui pourrait fusionner artificiellement des pores séparés et détruire la structure réelle de la roche. En maintenant les formes raisonnablement équilibrées, le modèle préserve le réseau délicat de connexions qui dicte le mouvement des fluides.

L'équipe a testé cette nouvelle méthode sur trois types différents de grès, en utilisant un scan numérique haute résolution de grès de type Leopard comme cas de test principal. Ils ont comparé leurs résultats à deux autres approches courantes : l'une qui génère des structures rocheuses aléatoires basées sur des modèles statistiques, et une autre qui utilise une technique de traduction d'image à image standard pour copier l'apparence de la roche. Les résultats ont révélé une vérité surprenante sur la reconstruction numérique. La méthode standard de copie d'image a produit un modèle qui ressemble beaucoup plus au scan original, avec un score de similitude visuelle nettement plus élevé. Cependant, lorsque les chercheurs ont simulé l'écoulement d'un fluide à travers ces modèles, la copie parfaite de l'image s'est mal comportée. Elle a prédit une perméabilité très différente de celle de la roche originale, manquant les voies critiques qui permettent l'écoulement, avec un écart de -72,7 %.

En revanche, le modèle construit avec les ovales adaptatifs, bien qu'il paraisse légèrement moins parfait à l'œil nu, capture plus précisément le comportement de l'écoulement. La simulation a montré que le fluide se déplaçait à travers le modèle d'ovale-roche avec une valeur de perméabilité environ 20,7 % différente de la simulation de la roche originale. Il s'agit d'une amélioration significative par rapport au modèle à l'image parfaite, qui s'est trompé de beaucoup plus large marge. L'étude a démontré qu'un modèle numérique n'a pas besoin d'être une réplique pixel par pixel de l'image d'une roche pour être utile à l'ingénierie ; il doit préserver les connexions spécifiques qui contrôlent le transport. Les chercheurs ont constaté que leur méthode avait tendance à simplifier légèrement la structure interne de la roche, fusionnant certains des canaux les plus ténus et les plus complexes en des voies plus larges et plus lisses. Pourtant, parce que les grandes autoroutes pour le flux de fluide restaient intactes, la capacité globale de la roche à transmettre le fluide était préservée.

Cette conclusion remet en question la croyance de longue date selon laquelle la similitude visuelle est la meilleure mesure de la qualité d'une roche numérique. L'étude a montré que deux modèles peuvent paraître très différents l'un de l'autre et produire des résultats d'écoulement similaires, ou paraître presque identiques et produire des résultats totalement différents. Les chercheurs ont conclu que, pour que les roches numériques soient réellement précieuses, elles doivent être évaluées non seulement sur leur apparence, mais sur leur comportement. Leur méthode offre une nouvelle façon de construire ces modèles, une façon qui privilégie la réalité physique de l'écoulement des fluides plutôt que la perfection visuelle de l'image. Bien que la technique présente encore des limites, comme sa dépendance au scan de l'ensemble du volume de la roche plutôt que de seulement quelques tranches, elle constitue un nouvel outil puissant pour comprendre l'architecture cachée de nos ressources terrestres. En se concentrant sur les connexions qui comptent, plutôt que sur l'apparence de surface, cette approche nous rapproche d'une prédiction précise de la quantité d'énergie qui repose sous nos pieds.