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

पृथ्वी की पपड़ी (crust) को चट्टान से बने एक विशाल, प्राचीन स्पंज के रूप में कल्पना करें, जो जमीन में गहराई में छिपा हुआ है। वैज्ञानिक इस बात को समझने की कोशिश कर रहे हैं कि कैसे हमारे ग्रह के अतिरिक्त कार्बन डाइऑक्साइड (CO2) को इन गहरी जेबों में भरा जाए ताकि जलवायु को गर्म होने से रोका जा सके। इसे "जियोलॉजिकल कार्बन स्टोरेज" (भूगर्भीय कार्बन भंडारण) कहा जाता है। लेकिन पेचीदा हिस्सा यह है कि एक बार जब आप इस गैस को नीचे पंप कर देते हैं, तो यह पत्थर की तरह स्थिर नहीं रहती। यह नमकीन पानी के साथ घुलती-मिलती है, घुल जाती है, तैरती है और सैकड़ों वर्षों तक चट्टान के साथ प्रतिक्रिया करती है। यह सुनिश्चित करने के लिए कि गैस फंसी रहे और वापस ऊपर न आ जाए, वैज्ञानिक जटिल सिमुलेशन चलाने के लिए सुपर-कंप्यूटरों का उपयोग करते हैं। ये सिमुलेशन एक 'टाइम मशीन' की तरह काम करते हैं, जो सटीक भविष्यवाणी करते हैं कि गैस कहाँ जाएगी और सदियों में इसमें क्या बदलाव आएंगे। हालाँकि, इन सिमुलेशन को चलाना एक ऐसे काम जैसा है जैसे एक मिलियन टुकड़ों वाली पहेली को हल करना, जहाँ टुकड़े लगातार बदल रहे हों; इसमें इतनी अधिक कंप्यूटिंग शक्ति और समय लगता है कि यह सुनिश्चित करने के लिए पर्याप्त परीक्षण करना कठिन हो जाता है कि सब कुछ पूरी तरह सुरक्षित है।

यहाँ "सरोगेट मॉडल" (surrogate models) की दुनिया में प्रवेश होता है। इन्हें स्मार्ट शॉर्टकट के रूप में सोचें। हर बार पूरी कठिन पहेली को शून्य से हल करने के बजाय, एक सरोगेट मॉडल एक बहुत ही बुद्धिमान छात्र की तरह है जिसने मास्टर को हजारों बार पहेली सुलझाते हुए देखा है। यह पैटर्न को सीख लेता है और लगभग तुरंत अंतिम चित्र का अनुमान लगा सकता है। सबसे बड़ी चुनौती इन शॉर्टकट को इतना सटीक बनाने की रही है कि वे न केवल यह अनुमान लगा सकें कि गैस कहाँ है, बल्कि यह भी कि वह क्या कर रही है—चाहे वह पानी में घुली हुई हो, गैस के रूप में तैर रही हो, या चट्टान में फंसी हो। यदि शॉर्टकट विवरणों को गलत बताता है, तो हमें लग सकता है कि गैस सुरक्षित है जबकि वास्तव में वह सतह की ओर बढ़ रही होती है।

यह शोध पत्र "Hierarchical Cascade Surrogate" (HCS-CO2S) नामक एक नया, अत्यधिक परिष्कृत शॉर्टकट पेश करता है। कल्पना करें कि आप ताश का एक घर (house of cards) बना रहे हैं, लेकिन केवल उन्हें बेतरतीब ढंग से रखने के बजाय, आप उन्हें पांच विशिष्ट परतों में बनाते हैं, जहाँ प्रत्येक परत को अगली परत बनाने से पहले पूरी तरह से स्थिर होना चाहिए। पहली परत दबाव और तापमान (चट्टान के भीतर का "मौसम") का पता लगाती है। दूसरी परत उस मौसम का उपयोग यह जानने के लिए करती है कि तरल पदार्थ कितने भारी और गाढ़े हैं। तीसरी परत यह तय करती है कि गैस, तेल और पानी कितनी जगह घेरते हैं, यह सुनिश्चित करते हुए कि वे उपलब्ध स्थान के ठीक 100% के बराबर हों। चौथी परत गणना करती है कि पानी में कितनी CO2 घुली हुई है बनाम गैस के रूप में कितनी तैर रही है। अंत में, पांचवीं परत इन सबको एक साथ जोड़ देती है। शोधकर्ताओं ने इस मॉडल को CO2 और थोड़ी हाइड्रोजन सल्फाइड (H2S) के मिश्रण के सिमुलेशन पर प्रशिक्षित किया गया था, जिसे एक गहरी चट्टानी संरचना में इंजेक्ट किया जा रहा था। फिर उन्होंने मॉडल से भविष्यवाणी करने को कहा कि 100 साल बाद क्या होगा, जो एक ऐसा समय अवधि है जिसे उसने पहले कभी नहीं देखा था। परिणाम क्या रहा? मॉडल ने गैस के बादल के स्थान और उसकी रासायनिक संरचना को प्रभावशाली सटीकता के साथ सफलतापूर्वक भविष्यवाणी की, जिससे सिद्ध हुआ कि यह "स्तरित" दृष्टिकोण एक विश्वसनीय, तेज़-फॉरवर्ड टाइम मशीन के रूप में कार्य कर सकता है।

"स्तरित" टाइम मशीन की कहानी

शोधकर्ता, स्टेपन ज़ैनुलिन और अन्ना स्टोरोज़ेवा, एक ऐसी समस्या का समाधान कर रहे थे जो समुद्र में स्याही की एक बूंद के पथ की भविष्यवाणी करने जैसा महसूस होता है, लेकिन यहाँ समुद्र चट्टानों से बना है और स्याही एक जहरीली गैस है। वे जानना चाहते थे: क्या हम एक ऐसा मशीन लर्निंग मॉडल बना सकते हैं जो न केवल गैस के बादल के सामान्य आकार का अनुमान लगाए, बल्कि उसके भीतर की रसायन विज्ञान को भी समझता हो?

अधिकांश मौजूदा मॉडल गैस के बादल की एक धुंधली तस्वीर लेने जैसे हैं। वे आपको मोटे तौर पर बता सकते हैं कि गैस कहाँ है और दबाव कितना बढ़ रहा है, लेकिन वे आपको यह नहीं बता सकते कि कितनी CO2 नमकीन पानी में घुली हुई है और कितनी अभी भी गैस के रूप में तैर रही है। यह एक बहुत बड़ी बात है क्योंकि, सैकड़ों वर्षों में, गैस का पानी में घुलना वास्तव में इसे संग्रहीत करने का सबसे सुरक्षित तरीका है। यदि आपका मॉडल रसायन विज्ञान को नहीं देख सकता, तो वह यह नहीं बता सकता कि भंडारण वास्तव में सुरक्षित है या नहीं।

लेखकों का तर्क है कि इन सिमुलेशन को तेज करने के पिछले प्रयासों में तीन मुख्य कमियां थीं। पहला, कई मॉडल केवल पूर्ण वर्गाकार ग्रिड (जैसे चेकरबोर्ड) पर काम करते हैं, लेकिन वास्तविक भूमिगत चट्टान की परतें टेढ़ी-मेढ़ी और अनियमित होती हैं (जैसे कागज का एक मुड़ा हुआ टुकड़ा)। दूसरा, कुछ मॉडल सीधे भौतिकी के नियमों को सीखने की कोशिश करते हैं लेकिन अक्सर लंबे समय तक गणित में गलती कर देते हैं, जिससे त्रुटियाँ बर्फ के गोले की तरह बढ़ती जाती हैं। तीसरा, और सबसे महत्वपूर्ण, पिछला कोई भी मॉडल तरल पदार्थों के विस्तृत रासायनिक ब्रेकडाउन की भविष्यवाणी नहीं कर सका।

इसे ठीक करने के लिए, टीम ने अपना "Hierarchical Cascade Surrogate" बनाया। आइए समझते हैं कि यह "कैस्केड" कैसे काम करता है। कल्पना कीजिए कि आप अपने मित्र को एक जटिल व्यंजन का वर्णन करने की कोशिश कर रहे हैं। आप केवल यह नहीं कहेंगे कि "यह स्वादिष्ट है।" आप एक तार्किक क्रम का पालन करेंगे:

1. रसोई की स्थितियाँ (स्तर 1 और 2): पहले, आप रसोई में तापमान और दबाव का वर्णन करते हैं। क्या यह गर्म है? क्या दबाव अधिक है?
2. सामग्री के गुण (स्तर 3): उस गर्मी और दबाव के आधार पर, आप वर्णन करते हैं कि सामग्रियां कैसे व्यवहार करती हैं। क्या तेल गाढ़ा है? क्या पानी पतला है?
3. मिश्रण (स्तर 4): अब आप तय करते हैं कि सामग्रियां कटोरे को कैसे भरती हैं। गैस कितनी जगह लेती है? पानी कितनी जगह लेता है? महत्वपूर्ण रूप से, आप सुनिश्चित करते हैं कि वे ठीक एक पूरे कटोरे के बराबर हों।
4. फ्लेवर प्रोफाइल (स्तर 5): अंत में, आप विस्तार से बताते हैं कि मुख्य मसाले (CO2) का कितना हिस्सा पानी में है, कितना तेल में है, और कितना गैस में है।

यह चरण-दर-चरण दृष्टिकोण ही "कैस्केड" है। भौतिक भागों (दबाव और घनत्व) को पहले हल करने के लिए मॉडल को मजबूर करके, मॉडल जटिल रासायनिक भागों का अनुमान लगाने से पहले मूर्खतापूर्ण गलतियाँ करने की संभावना कम हो जाती है। यह एक ऐसे शेफ की तरह है जो केक बेक करने का समय तय करने से पहले ओवन का तापमान चेक करता है।

बड़ा परीक्षण: अंधा 100-वर्षीय पूर्वानुमान

इस शोध पत्र का असली जादू केवल यह नहीं है कि उन्होंने मॉडल बनाया; बल्कि यह है कि उन्होंने इसका परीक्षण कैसे किया। आमतौर पर, वैज्ञानिक वर्ष 1 से 100 के डेटा पर मॉडल को प्रशिक्षित करते हैं और फिर वर्ष 101 से 110 पर परीक्षण करते हैं। लेकिन यह थोड़ा "चीटिंग" है क्योंकि मॉडल पहले से ही पैटर्न देख चुका है।

इसके बजाय, लेखकों ने कुछ बहुत कठिन किया। उन्होंने मॉडल को एक निश्चित बिंदु तक के डेटा पर प्रशिक्षित किया, और फिर प्रशिक्षण से अंतिम 20 वर्षों के डेटा को पूरी तरह से हटा दिया। फिर उन्होंने मॉडल से केवल एक पिछले समय (स्टेप 123) के आधार पर एक विशिष्ट भविष्य के समय (स्टेप 144) पर जलाशय की स्थिति की भविष्यवाणी करने को कहा। यह एक "ब्लाइंड फोरकास्ट" (अंधा पूर्वानुमान) है। यह एक छात्र से उस सामग्री पर अंतिम परीक्षा लेने जैसा है जिसे उसने अभी तक नहीं देखा है, ताकि यह देखा जा सके कि क्या वह वास्तव में अवधारणाओं को समझता है।

परिणाम प्रभावशाली थे। मॉडल ने CO2 के प्लूम (गैस के बादल) के स्थान की लगभग पूर्ण सटीकता के साथ सफलतापूर्वक भविष्यवाणी की।

• प्लूम की खोज: यदि आप मॉडल से पूछते, "क्या इस विशिष्ट रॉक सेल में गैस है?" तो इसने हर उस सेल के लिए "हाँ" कहा जिसमें वास्तव में गैस थी। इसने एक भी सेल मिस नहीं किया (100% रिकॉल)। इसने 12 अतिरिक्त सेल्स के लिए भी "हाँ" कहा जो वास्तव में खाली थे, लेकिन यह एक "रूढ़िवादी" (conservative) गलती है—यह बेहतर है कि आप थोड़े अतिरिक्त गैस के बारे में सोचें बजाय इसके कि आप किसी खतरनाक रिसाव को मिस कर दें।
• रसायन विज्ञान की जाँच: मॉडल ने पानी में घुली हुई CO2 की मात्रा की उच्च स्तर की सटीकता (0.905 का R-squared मान) के साथ भविष्यवाणी की। इसका मतलब है कि यह गैस के तैरने और सुरक्षित रूप से पानी में लॉक होने के बीच अंतर बता सकता था।
• गति: सबसे रोमांचक हिस्सा? पूर्ण भौतिक सिमुलेशन जिसे यह मॉडल बदलने की कोशिश कर रहा है, उसे चलने में बहुत समय लगता है। यह नया मॉडल, एक मानक कंप्यूटर प्रोसेसर पर चलते हुए (किसी फैंसी सुपर-कंप्यूटर की आवश्यकता नहीं), केवल 22.4 सेकंड में 21,142 रॉक सेल्स की पूरी भविष्य की स्थिति की भविष्यवाणी कर देता है।

कमियां और भविष्य

लेखक ईमानदार हैं कि उनका मॉडल कहाँ पूर्ण नहीं है। हालांकि यह गैस के बादल के स्थान की भविष्यवाणी करने में बहुत अच्छा था, लेकिन यह हर जगह के सटीक दबाव की भविष्यवाणी करने में पूर्ण नहीं था। कुछ विशिष्ट क्षेत्रों में, दबाव की भविष्यवाणी 11.3 बार तक गलत थी। शोध पत्र सुझाव देता है कि ऐसा इसलिए होता है क्योंकि मॉडल प्रत्येक रॉक सेल को व्यक्तिगत रूप से देखता है और दबाव परिवर्तनों को सुचारू करने के लिए अपने पड़ोसियों के साथ पर्याप्त "बातचीत" नहीं करता है, विशेष रूप से तब जब गैस इंजेक्शन रुक जाता है। यह भीड़ के लोगों के समूह जैसा है जहाँ हर कोई अपने स्वयं के मूड को जानता है लेकिन वह यह नहीं जानता कि उसके बगल वाले व्यक्ति को क्या महसूस हो रहा है।

साथ ही, मॉडल थोड़ा अधिक सतर्क था। इसने गैस के बादल को वास्तव में मौजूद बादल की तुलना में थोड़ा छोटा बताया, लेकिन इसने यह भी सोचा कि बादल आसपास की खाली चट्टानों में थोड़ा आगे तक फैला हुआ है। यह एक समझौता है जो लेखकों ने यह सुनिश्चित करने के लिए किया कि वे गैस को मिस न करें।

शोध पत्र निष्कर्ष निकालता है कि यह "स्तरित" दृष्टिकोण एक बड़ी प्रगति है। यह सिद्ध करता है कि हम तेज़, सटीक मॉडल बना सकते हैं जो गैस के बादल के आकार के बजाय कार्बन भंडारण के रसायन विज्ञान को समझते हैं। हालाँकि, लेखक सावधान करते हैं कि यह केवल एक प्रकार के चट्टानी गठन पर परीक्षण किया गया था। उन्होंने अभी तक यह साबित नहीं किया है कि यह मॉडल दुनिया के हर अलग प्रकार के भूमिगत चट्टानों पर काम करता है। अगला चुनौती यह है: इस स्मार्ट छात्र को अलग-अलग "कक्षाओं" (विभिन्न भूवैज्ञानिक स्थलों) को संभालने के लिए सिखाना, बिना सब कुछ फिर से सीखने की आवश्यकता के।

अंत में, यह शोध पत्र यह दावा नहीं करता है कि इसने कार्बन भंडारण की पूरी समस्या को हल कर दिया है। इसके बजाय, यह एक शक्तिशाली नया उपकरण प्रदान करता है—एक तेज़, रसायन-जागरूक टाइम मशीन—जो वैज्ञानिकों को एक ही परीक्षण चलाने में लगने वाले समय में हजारों सुरक्षा परीक्षण चलाने में मदद कर सकती है। और जलवायु को बचाने की दौड़ में, अपने काम की जांच करने के लिए अधिक समय होना सबसे महत्वपूर्ण चीज़ हो सकती है।