A Benchmark Dataset for Machine Learning Surrogates of Pore-Scale CO2-Water Interaction

Dit artikel introduceert een uitgebreide benchmarkdataset bestaande uit 624 hoogwaardige 2D-simulaties van poreuze media, die specifiek is ontworpen om machine learning-modellen te trainen en valideren voor het voorspellen van complexe CO2-water interacties op poreus schaalniveau.

De kern

Stel je voor dat je een gigantische, onzichtbare spons onder de grond hebt. Deze spons is gemaakt van zand en steen, maar als je er heel dichtbij naar kijkt (op het niveau van een zandkorrel), zie je dat het geen gladde spons is. Het is een labyrint van miljoenen kleine gaten en tunnels.

Dit artikel gaat over een nieuw rekenvoorbeeld (een dataset) dat wetenschappers hebben gemaakt om te begrijpen hoe CO2 (het gas dat we uit de lucht willen halen) zich door zo'n labyrint beweegt als het in water zit.

Hier is de uitleg in simpele taal, met een paar verhelderende vergelijkingen:

1. Het Probleem: Een onzichtbare dans

Wanneer we CO2 ondergronds opslaan (bijvoorbeeld in oude gasvelden), pompen we het in rotslagen die vol zitten met water. Het gas probeert het water te verdringen.

• De uitdaging: Dit is niet als water dat door een pijp stroomt. Het is meer als een dromerige dans tussen twee dansers (CO2 en water) in een labyrint van meubels (de rotskorrels). Soms stopt het gas, soms holt het als een rivier, en soms blijft het vastzitten in kleine hoekjes.
• De oude manier: Om dit te begrijpen, moesten wetenschappers ofwel heel dure computersimulaties draaien (die dagen duren) ofwel in het lab met zand en water experimenteren. Dat is traag en moeilijk om te herhalen.

2. De Oplossing: Een "Rekenboek" voor AI

De onderzoekers van de Heriot-Watt University in Schotland hebben een gigantisch rekenboek gemaakt.

• Wat is het? Het is een verzameling van 624 verschillende "kaarten" van deze ondergrondse labyrinten.
• De grootte: Elke kaart is heel gedetailleerd (512 bij 512 pixels), alsof je een foto maakt van een stukje zand met een super-microscoop.
• De variatie: Ze hebben niet alleen één soort zand gebruikt. Ze hebben variatie gecreëerd: van heel gelijkmatig zand (zoals een netjes opgestapelde stapel bakstenen) tot heel rommelig zand (zoals een hoopje losse stenen die je uit een rivier hebt gehaald). Dit is belangrijk, want de natuur is nooit perfect gelijkmatig.

3. De Simulatie: De CO2-rijder

In dit rekenboek hebben ze een virtuele "CO2-rijder" neergezet.

• Ze laten dit gas van links naar rechts stromen door de 624 verschillende labyrinten.
• Ze kijken precies hoe het gas het water verdringt, seconde voor seconde, gedurende 100 momentopnames.
• Ze meten alles: hoe snel het gaat, hoe de druk opbouwt en waar het gas vastloopt.

4. Waarom is dit zo handig? (De "Videospel"-analogie)

Stel je voor dat je een videospel wilt maken waarin een robot (een kunstmatige intelligentie) moet leren hoe hij door een donker labyrint moet rennen zonder vast te lopen.

• Vroeger: Je gaf de robot maar één level om te oefenen. Als hij dat level leerde, faalde hij als je hem een nieuw level gaf.
• Nu: Met dit nieuwe dataset hebben de onderzoekers de robot 624 verschillende levels gegeven om te oefenen, van makkelijk tot heel moeilijk en chaotisch.
• Het resultaat: De robot (de AI) wordt nu veel slimmer. Hij leert de regels van het spel, niet alleen de weg in één specifiek level. Als je hem later een heel nieuw, onbekend labyrint geeft, kan hij dat veel beter navigeren omdat hij al zo veel variatie heeft gezien.

5. Wat hebben ze ontdekt?

Ze hebben getest of deze "slimme robot" echt beter wordt als hij meer variatie ziet.

• Ze lieten een robot oefenen op alleen de makkelijkste levels. Die deed het goed op makkelijk, maar faalde op moeilijk.
• Ze lieten een andere robot oefenen op alle levels (makkelijk, gemiddeld en moeilijk). Die robot deed het over het algemeen veel beter op nieuwe, onbekende situaties.
• Conclusie: Om een goede voorspeller te maken voor de echte wereld (die altijd rommelig en onvoorspelbaar is), moet je je computerprogramma trainen op een heel diverse set voorbeelden.

Samenvattend

Dit artikel introduceert een gratis, openbaar bibliotheek van simulaties. Het is als het geven van een "trainingspakket" aan wetenschappers en ingenieurs, zodat ze snellere en betere computers kunnen bouwen. Die computers kunnen later helpen om te voorspellen of CO2 veilig onder de grond blijft zitten, zonder dat we jarenlang dure simulaties hoeven te draaien.

Het is een stap in de richting van een schoner klimaat, omdat het ons helpt om CO2-opslag veiliger en efficiënter te maken.

Technische samenvatting

Probleemstelling

Het nauwkeurig modelleren van de interactie tussen CO2 en water in poreuze media op poreus schaalniveau is essentieel voor geowetenschappelijke toepassingen, zoals koolstofopslag (CCS), verbeterde oliewinning en grondwaterbeheer. De huidige uitdagingen zijn tweeledig:

1. Berekeningskosten: Traditionele methoden, zoals directe numerieke simulaties (DNS) en rooster-Boltzmann-methoden, bieden hoge nauwkeurigheid maar zijn computationally zeer duur, wat ze onpraktisch maakt voor grootschalige of real-time toepassingen.
2. Beperkingen van bestaande datasets: Machine Learning (ML) modellen worden steeds vaker gebruikt als snelle surrogaten. Echter, bestaande datasets voor het trainen van deze modellen hebben vaak beperkingen:
   • Ze zijn vaak beperkt tot kleine schalen (bijv. 256×256 pixels), wat het vermogen om fijne patronen in complexe formaties te vangen, beperkt.
   • Ze focussen vaak alleen op de eindtoestand van een injectie, in plaats van de dynamische tijdsafhankelijke evolutie (tussentijdse toestanden).
   • Er is een tekort aan diverse datasets die verschillende niveaus van geologische heterogeniteit omvatten, wat nodig is voor robuuste generalisatie.

Methodologie

De auteurs introduceren een hoogwaardig dataset gegenereerd via numerieke simulaties om deze lacunes op te vullen.

1. Geometrie Generatie en Heterogeniteit:

• Opbouw: De dataset bevat 624 tweedimensionale monsters van 512 × 512 pixels met een ruimtelijke resolutie van 35 µm.
• Heterogeniteitsniveaus: Er zijn vijf niveaus van heterogeniteit gedefinieerd (van goed gesorteerd tot sterk heterogeen) door de straal en positie van korrels te verstoren ten opzichte van een regelmatige driehoekige roosterstructuur. Dit simuleert sedimentaire sortering en lokale compactie.
• Parametrische variatie: Er is een systematische sweep uitgevoerd over korrelstralen ($R_0$) en doel-porositeiten ($\phi$), wat resulteerde in 78 basisafbeeldingen. Deze werden vermenigvuldigd door cropping en spiegeling om het uiteindelijke ensemble van 624 geometrieën te vormen.

2. Fysische Simulatie:

• Software: De simulaties zijn uitgevoerd met GeoChemFoam, een open-source solver gebaseerd op OpenFOAM, specifiek ontwikkeld voor poreus-schaal processen.
• Fysica: De solver gebruikt de algebraïsche Volume-of-Fluid (VoF) methode om tweefasenstroom (CO2 en water) op te lossen. De vergelijkingen omvatten de Navier-Stokes-vergelijkingen voor snelheid en druk, en een transportvergelijking voor het fase-indicatorfunctie ($\alpha$).
• Randvoorwaarden: CO2 wordt constant ingejecteerd aan de linkerkant van een volledig met water gevuld model. De simulaties lopen tot 1 seconde met een schrijfinterval van 0,01 seconde (100 tijdstappen).
• Materiaaleigenschappen: De simulatie gebruikt realistische eigenschappen voor CO2 en water, inclusief oppervlaktespanning (0,03 N/m) en een contacthoek van 45°.

3. Datastructuur:
Elk bestand in het HDF5-formaat bevat:

• Waterverzadiging ($\alpha_{water}$) over 100 tijdstappen.
• Druk- en capillaire drukvelden.
• Horizontale en verticale snelheidscomponenten ($U_x, U_y$).
• Een binaire afbeelding van het fysieke domein (porieën vs. korrels).
• Bijbehorende CSV-bestanden met porositeits- en relatieve permeabiliteitswaarden.

Belangrijkste Bijdragen

1. Uitgebreide Benchmark Dataset: De publicatie levert een dataset van 624 hoge-resolutie monsters (512×512) die de complexe tijds- en ruimtelijke evolutie van CO2-water interacties vastlegt.
2. Dynamische Temporele Data: In tegenstelling tot veel bestaande datasets, bevat deze dataset 100 tijdstappen per monster, waardoor ML-modellen kunnen worden getraind om de dynamische evolutie van stroming te voorspellen, niet alleen de eindtoestand.
3. Geologische Diversiteit: Door vijf verschillende niveaus van heterogeniteit te omvatten, biedt de dataset een robuust testplatform voor het ontwikkelen van modellen die goed generaliseren naar onbekende geologische formaties.
4. Open Beschikbaarheid: De dataset en de bijbehorende code (voor geometriegeneratie en simulatie) zijn openbaar beschikbaar gesteld via Dryad en GitHub.

Resultaten en Validatie

Om de bruikbaarheid van de dataset te testen, hebben de auteurs drie U-Net modellen getraind om toekomstige CO2-verzadiging te voorspellen op basis van een reeks van vier eerdere tijdstappen:

• Model A: Getraind op het volledige dataset (alle 5 heterogeniteitsniveaus).
• Model B: Getraind op een subset van 4 niveaus.
• Model C: Getraind op slechts 1 niveau (goed gesorteerd).

Validatie:
Alle modellen werden getest op monsters van het 5e niveau (heterogeen), dat niet was gebruikt voor training van Model B en C.

• Prestatie: Het model getraind op de meest diverse dataset (5-Levels) behaalde de laagste gemiddelde Mean Squared Error (MSE) van 0,0145.
• Vergelijking: Het model getraind op slechts één niveau (1-Level) behaalde een aanzienlijk hogere MSE van 0,0320.
• Conclusie: De resultaten tonen aan dat training op diverse data leidt tot betere gemiddelde generalisatie. Hoewel er geen universele verbetering was voor elk individueel monster, was de prestatie over het algemeen superieur bij het gebruik van gevarieerde trainingsdata.

Betekenis en Impact

Deze dataset is van cruciaal belang voor de ontwikkeling van snelle en nauwkeurige ML-surrogaten voor poreus-schaal stroming.

• Efficiëntie: Het stelt onderzoekers in staat om ML-modellen te trainen die de dure numerieke simulaties kunnen vervangen, waardoor het mogelijk wordt om complexe stromingspatronen in real-time of voor grootschalige scenario's te voorspellen.
• Realisme: Door de focus op dynamische processen en geologische heterogeniteit, sluit de dataset beter aan bij de realiteit van ondergrondse CO2-opslag dan eerdere, statische of homogene datasets.
• Toekomstig Onderzoek: Het dient als een standaard-benchmark voor de gemeenschap om de prestaties van nieuwe deep-learning-architecturen te evalueren voor multiphase flow in poreuze media.