Digital Rock Reconstruction with Differentiable Gaussian Ellipsoids

Diep onder de grond, in de verborgen wereld van olie- en gasreservoirs, is gesteente zelden een massief blok. In plaats daarvan is het een sponsachtige doolhof van minuscule gaatjes en smalle kanalen waar vloeistoffen zoals olie, water en gas doorheen stromen. Om te begrijpen hoeveel energie uit deze gesteenten kan worden gewonnen, moeten ingenieurs weten hoe gemakkelijk deze vloeistoffen door het netwerk kunnen bewegen. Deze eigenschap, bekend als permeabiliteit, hangt volledig af van hoe de gaatjes met elkaar verbonden zijn. Een gesteente kan vol gaten lijken, maar als die gaten geïsoleerde eilanden zijn in plaats van een verbonden snelweg, kan de vloeistof er niet doorheen passeren. Traditioneel gebruiken wetenschappers krachtige röntgenscanners om foto's van deze gesteenten te maken, waarmee ze een driedimensionale kaart van de poriën creëren. Echter, deze scanners hebben beperkingen; ze kunnen niet altijd de kleinste, meest kritieke verbindingen zien, of ze kunnen niet een groot genoeg stuk gesteente scannen om echt representatief te zijn voor de gehele ondergrondse formatie.

Om dit gat te overbruggen, bouwen onderzoekers "digitale gesteenten" – computermodellen die de complexe poriestructuren van echte monsters recreëren. Jarenlang was het doel van deze digitale modellen om zo erg op de originele röntgenfoto's te lijken als mogelijk. De aanname was dat als het digitale model visueel identiek was aan de scan, het ook identiek zou reageren wanneer vloeistoffen erdoorheen probeerden te bewegen. Maar deze aanname heeft een gebrek. Een model kan een perfecte visuele kopie zijn van het oppervlak van een gesteente, terwijl het de verborgen, kronkelende paden die de stroming daadwerkelijk beheersen, niet goed weergeeft. Als het digitale model de vorm wel goed krijgt, maar de verbindingen fout, kunnen de voorspellingen over hoeveel olie er kan worden gewonnen, volkomen onnauwkeurig zijn. Dit contrast tussen hoe een gesteente eruitziet en hoe het werkt, is de centrale puzzel die een nieuwe studie van Southwest Petroleum University en Sichuan University probeert op te lossen.

De onderzoekers benaderden dit probleem door de fundamentele bouwstenen van hun digitale modellen te veranderen. In plaats van te proberen het gesteente te reconstrueren met behulp van een raster van kleine kubussen, zoals standaard computerbeelden worden gemaakt, gebruikten ze een collectie zachte, driedimensionale ellipsoïden. Stel je deze voor als gladde, zachte ovalen van variërende grootte en oriëntatie, die in de ruimte zweven. Het team ontwikkelde een methode om deze ovalen zo te rangschikken dat ze, wanneer ze over elkaar heen worden gelegd, de vorm van de poriën in een echt gesteenteproef perfect matchen. De innovatie ligt in de manier waarop ze de computer dit leerden doen. Ze hebben niet simpelweg gezocht en geprobeerd; ze gebruikten een techniek genaamd differentiële rendering, die de computer in staat stelt het verschil te zien tussen de huidige rangschikking van ovalen en de doelgerichte gesteentefoto, en vervolgens automatisch de positie, grootte en vorm van elk afzonderlijk ovaal aan te passen om dat verschil te verkleinen. Het is een proces van continue, precieze verfijning, waarbij de computer leert het digitale gesteente te boetseren door te kijken hoe licht er doorheen zou vallen, laag voor laag.

Een belangrijke uitdaging in dit proces was ervoor zorgen dat de gladde, zachte randen van deze digitale ovalen konden worden omgezet in de scherpe, duidelijke grenzen van een echt gesteente, waar een porie ofwel een lege ruimte ofwel een solide steen is. Om dit op te lossen, gaven de onderzoekers elk ovaal een "scherpte"-instelling die de computer kon leren en aanpassen. Dit stelde de zachte vormen in staat om scherp genoeg te worden om een duidelijke binaire kaart van het binnenste van het gesteente te vormen. Ze voegden ook een regel toe om te voorkomen dat de ovalen te dun werden uitgerekt of te lang werden, wat de aparte poriën kunstmatig samen zou voegen en de ware structuur van het gesteente zou vernietigen. Door de vormen redelijk in balans te houden, behield het model de delicate netwerkverbindingen die de beweging van vloeistoffen dicteren.

Het team testte deze nieuwe methode op drie verschillende soorten zandsteen, waarbij ze een hoogresolutie digitale scan van Leopard-zandsteen als hun primaire testgeval gebruikten. Ze vergeleken hun resultaten met twee andere veelvoorkomende benaderingen: één die willekeurige gesteentestructuren genereert op basis van statistische patronen, en een andere die een standaard beeld-naar-beeld vertalingstechniek gebruikt om het uiterlijk van het gesteente te kopiëren. De resultaten onthulden een verrassende waarheid over digitale reconstructie. De standaard methode van het kopiëren van afbeeldingen produceerde een model dat veel meer op de originele scan leek, met een visuele gelijkenissscore die aanzienlijk hoger was. Echter, wanneer de onderzoekers de stroming van vloeistof door deze modellen simuleerden, presteerde de beeld-perfecte kop slecht. Het voorspelde een permeabiliteit die drastisch verschilde van het originele gesteente, waarbij de kritieke paden die stroming mogelijk maken werden gemist, met een afwijking van -72,7%.

In contrast hiermee legde het model gebouwd met de adaptieve ovalen, hoewel het er voor het oog iets minder perfect uitzag, het stromingsgedrag nauwkeuriger vast. De simulatie toonde aan dat de vloeistof door het digitale ovaal-gestente model bewoog met een permeabiliteitswaarde die ongeveer 20,7% verschilde van de simulatie van het originele gesteente. Dit was een significante verbetering ten opzichte van het beeld-perfecte model, dat de plank veel groter missloeg. De studie toonde aan dat een digitaal model niet een pixel-perfecte replica van een gesteentefoto hoeft te zijn om nuttig te zijn voor engineering; het moet de specifieke verbindingen behouden die transport beheersen. De onderzoekers ontdekten dat hun methode de neiging had om de interne structuur van het gesteente licht te vereenvoudigen, waarbij sommige van de kleinste, meest ingewikkelde kanalen werden samengevoegd tot grotere, gladdere paden. Omdat de belangrijkste snelwegen voor vloeistofstroming echter intact bleven, werd het algemene vermogen van het gesteente om vloeistof door te laten behouden.

Deze bevinding daagt het langgekoesterde geloof uit dat visuele gelijkenis de beste maatstaf is voor de kwaliteit van een digitaal gesteente. De studie toonde aan dat twee modellen er zeer verschillend uit kunnen zien en toch vergelijkbare stromingsresultaten produceren, of bijna identiek kunnen lijken en totaal verschillende resultaten opleveren. De onderzoekers concludeerden dat voor digitale gesteenten werkelijk waardevol te zijn, ze niet alleen beoordeeld moeten worden op hoe ze eruitzien, maar op hoe ze zich gedragen. Hun methode biedt een nieuwe manier om deze modellen te bouwen, die de prioriteit geeft aan de fysieke realiteit van vloeistofstroming boven de visuele perfectie van de afbeelding. Hoewel de techniek nog steeds beperkingen heeft, zoals de afhankelijkheid van het scannen van het gehele gesteentevolume in plaats van slechts enkele lagen, biedt het een krachtig nieuw instrument om de verborgen architectuur van onze aardbronnen te begrijpen. Door de focus te leggen op de verbindingen die er echt toe doen, in plaats van alleen op het uiterlijke voorkomen, brengt deze aanpak ons dichter bij een nauwkeurige voorspelling van hoeveel energie er onder onze voeten ligt.