SubsurfaceGen: Procedural Generation of Field-Scale Earth Models and Seismic Data

Technische Samenvatting: SubsurfaceGen

Probleemstelling
Full Waveform Inversion (FWI) is de standaardmethode voor subsurfaciale beeldvorming, cruciaal voor de verificatie van koolstofopslag, hulpbronnenexploratie en risicobeoordeling. FWI omvat echter het oplossen van hoogdimensionale, niet-convexe, PDE-beperkte optimalisatieproblemen die lijden aan cycle skipping, gevoeligheid voor initiële modellen en prohibitieve computationele kosten. Hoewel machine learning (ML) veelbelovende alternatieven biedt—zoals neurale operatoren voor het versnellen van PDE-oplossingen en encoder-decoders voor directe inversie—wordt de voortgang gehinderd door een gebrek aan geschikte trainingsdata. Bestaande datasets (bijv. Marmousi, SEAM, OpenFWI) voldoen niet gelijktijdig aan vier kritieke criteria: field-scale ruimtelijke en temporele omvang, geologische diversiteit, fysische realiteitszin en uitbreidbaarheid (het vermogen om op aanvraag nieuwe data te genereren). Kleine datasets leggen de verslechtering van cycle skipping en illuminatiegaten op grote schaal niet vast, terwijl statische datasets geen studies naar generalisatie over onbekende geologische settings kunnen ondersteunen.

Methodologie
De auteurs introduceren SubsurfaceGen, een op GPU versnelde procedurele generator voor 3D-snelheidsmodellen en bijbehorende seismische data. Het systeem is gebouwd op PyTorch voor modelgeneratie en Devito voor seismische datageneratie.

1. Procedurele Generatie van Snelheidsmodellen: SubsurfaceGen construeert snelheidsmodellen door sequentieel een catalogus van acht geologische modules toe te passen op een homogeen basisvolume. Deze modules emuleren realistische kenmerken:

   • Deposit: Voegt gestratificeerde lagen toe met tussenlagen (afwisselende snelheidslagen).
   • Squich: Vervormt lagen om basin-schaal vouwing te simuleren.
   • Fault: Past listrische en V-vormige breukdeformaties toe.
   • SaltSDT & SaltWedge: Genereert onregelmatige zoutlichamen en vervormt de omliggende sedimenten om halokinetische sequenties (onlap en drape-geometrieën) te creëren.
   • CarbonatePlatform: Bouwt asymmetrische rifstructuren met onderscheidende facies.
   • DeltaClinoformDeposit: Stapelt clinoform-achtige bedoppervlakken om deltaïsche geometrieën te simuleren.
   • StructuralSmoother: Past structuur-georiënteerde smoothing toe om numerieke artefacten te onderdrukken terwijl geologische discontinuïteiten behouden blijven.
     Het generatieproces is deterministisch op basis van parametervectoren, maar staat stochastische sampling toe om diverse realisaties binnen een specifieke geologische setting te creëren.

2. Seismische Datageneratie: Voor elk 3D-snelheidsmodel extraheert SubsurfaceGen 2D-coupes en lost het de 2D akoestische golfvergelijking op met behsulp van Devito. Het genereert gekoppelde data bestaande uit:

   • Wavefields: Volledige golfveldpropagatie over 5 seconden.
   • Shot Gathers: 8-seconde opnames van 64 bronnen en 1000 ontvangers, waarbij marine streamer-acquisitie wordt gesimuleerd.
     Het systeem ondersteunt vijf verschillende bronbandbreedtes om multiscale trainingsstrategieën te faciliteren.

3. Dataset Constructie: De auteurs hebben een field-scale dataset vrijgegeven op Hugging Face met 4.276 2D-snelheidscoupes (10 m resolutie, 10 km × 10 km lateraal, 6,19 km diepte) gekoppeld aan wavefields en shot gathers. Deze zijn afgeleid van 42 verschillende 3D-modellen verspreid over zes geologische settings: vier gegenereerd door SubsurfaceGen (Penobscot, F3, Gulf of Mexico, Fault) en twee uit eerdere bronnen (SEAM, Salt Canopy). De Penobscot-setting wordt apart gehouden als een out-of-distribution (OOD) testset.

Belangrijkste Bijdragen

• SubsurfaceGen Software: Een nieuwe, open-source, op GPU versnelde tool die de procedurele generatie van geologisch diverse, fysisch realistische, field-scale snelheidsmodellen mogelijk maakt. Het is de eerste open-source software die de procedurele generatie van kenmerken zoals zoutlichamen, carbonaatplatforms en clinoforms in een verenigde pipeline ondersteunt.
• Field-Scale Dataset: De release van een grootschalige, gekoppelde dataset (snelheidsmodellen + seismische data) die de beperkingen van bestaande benchmarks aanpakt. Het biedt de noodzakelijke ruimtelijke omvang (10 km) en temporele diepte (5–8 s) om field-scale fenomenen zoals cycle skipping en diepe beeldvorming te bestuderen.
• Benchmarking van ML-gebaseerde FWI: De paper demonstreert het nut van deze dataset door twee verschillende ML-taken te evalueren:
  • Wavefield Predictie: Het trainen van neurale operatoren (TFNO, DPOT) om wavefields te voorspellen. De auteurs introduceren een "chunked autoregressive rollout" strategie die noodzakelijk is vanwege de field-scale gridgrootte en stellen TFNO-interp voor, een variant die gebruikmaakt van optimale checkpointing-principes om foutendrift over lange horizonten te verminderen.
  • End-to-End Inversie: Het trainen van encoder-decoder netwerken (InversionNet, Transformer, CNN) om shot gathers direct naar snelheidsmodellen te mappen. De dataset maakt de eerste cross-geologie generalisatiestudies op field-scale mogelijk, waarbij wordt onthuld hoe verschillende architecturen omgaan met distributieverschuivingen.

Resultaten

• Prestaties: SubsurfaceGen bereikt een 7,2× tot 26,8× versnelling in de generatie van snelheidsmodellen op een NVIDIA A100 GPU vergeleken met een 16-core CPU.
• Wavefield Predictie: Neurale operatoren volgen dominante wavefronten succesvol, maar vertonen foutstapeling over lange tijdshorizonten (5 s). De TFNO-interp variant, die voorspellingen op tussenliggende tijdstappen verankert, verminderde de L2 relatieve fout in voorspellingsgaten met ongeveer 6× vergeleken met standaard forward operators, wat het nut van de field-scale dataset aantoont bij het blootleggen van long-horizon faalmodi.
• Inversie: Onder de geteste architecturen presteerde de 3D CNN het beste ten opzichte van de 2D InversionNet en Transformer wat betreft RMSE en SSIM, met name bij het vastleggen van grootschalige kenmerken zoals zoutlichamen en breuken. Echter, alle modellen hadden moeite met fijnmazige kenmerken. Cruciaal is dat de CNN een significante daling in prestaties liet zien op de OOD (Penobscot) set, terwijl de Transformer stabiele SSIM-scores behield, wat de architectuurafhankelijke generalisatiecapaciteiten benadrukt.

Betekenis
De paper beweert dat SubsurfaceGen en de bijbehorende dataset ML voor seismische beeldvorming democratiseren door de drempel voor onderzoekers zonder propriëtaire data te verlagen. Er wordt gesteld dat de field-scale aard van de data essentieel is voor het ontdekken van faalmodi (zoals drift in autoregressieve rollouts en de limieten van generalisatie in inversie) die onzichtbaar zijn in kleinschalige datasets. De auteurs positioneren dit werk als een fundament voor toekomstige benchmarks en methodeontwikkeling, waarbij zij waarschuwen dat modellen getraind op deze synthetische data verdere validatie vereisen voordat ze in de echte wereld kunnen worden ingezet. Het werk overbrugt de kloof tussen theoretische ML-vooruitgang en de praktische, grootschalige vereisten van geofysische beeldvorming.