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

Este artigo apresenta um conjunto de dados abrangente gerado por simulações numéricas de alta fidelidade, composto por 624 amostras 2D de interações entre CO2 e água em meios porosos, destinado a servir como referência para o desenvolvimento e validação de modelos de aprendizado de máquina em aplicações de captura e armazenamento de carbono.

O essencial

Imagine que você está tentando prever como a fumaça de um incêndio vai se espalhar dentro de uma casa cheia de móveis, paredes e corredores. Se você apenas olhar para a casa de fora, não consegue ver os detalhes. Mas, se pudesse ver cada centímetro quadrado, entenderia exatamente por que a fumaça escolhe um caminho e não outro.

É exatamente isso que este artigo faz, mas em vez de fumaça e uma casa, estamos falando de CO2 (dióxido de carbono) e rochas subterrâneas.

Aqui está a explicação simples, usando analogias do dia a dia:

1. O Grande Problema: O Labirinto Subterrâneo

Para armazenar CO2 na Terra (para não poluir o ar), precisamos injetá-lo em rochas porosas, como se fossem esponjas gigantes de pedra. O problema é que essas "esponjas" são cheias de buracos minúsculos, de tamanhos diferentes e formas estranhas.

Quando você injeta o CO2, ele tenta empurrar a água que está lá dentro. Mas, devido à física complexa e às irregularidades da pedra, o CO2 não se move em linha reta. Ele cria caminhos tortuosos, fica preso em alguns lugares e corre rápido em outros. Simular isso no computador é como tentar prever o tempo: é possível, mas exige supercomputadores e muito tempo de processamento.

2. A Solução: Um "Treinamento" para Inteligência Artificial

Os cientistas querem usar Inteligência Artificial (IA) para fazer esse trabalho de forma rápida. A IA seria como um "assistente mágico" que, ao ver a foto da rocha, consegue prever onde o CO2 vai ir em segundos, em vez de horas.

Mas, para ensinar essa IA a ser inteligente, você precisa de um livro de exercícios (um conjunto de dados) muito bom. Se o livro tiver apenas exemplos fáceis, a IA vai falhar quando encontrar um problema difícil na vida real.

3. O Que Este Artigo Apresenta: A "Biblioteca de Rochas"

Os autores criaram um conjunto de dados de referência (um banco de dados) para treinar essas IAs. Pense nisso como uma "academia de treino" para robôs.

• O Tamanho do Treino: Eles criaram 624 mapas digitais de rochas. Cada mapa é uma imagem gigante (512x512 pixels), onde cada pixel representa um espaço microscópico (35 micrômetros, que é menor que um fio de cabelo).
• A Variedade: O segredo é a diversidade. Eles não fizeram apenas um tipo de rocha. Eles criaram 5 níveis de "bagunça":
  • Nível 1: Rochas bem organizadas (como uma estante de livros alinhada).
  • Nível 5: Rochas muito bagunçadas e irregulares (como uma caixa de brinquedos misturada).
    Isso garante que a IA aprenda a lidar com qualquer tipo de terreno que encontrar no mundo real.
• O Filme: Eles não tiraram apenas uma foto. Eles simularam o CO2 sendo injetado e gravaram 100 "fotos" (quadros) do processo, mostrando como o gás se move ao longo do tempo. É como ter um filme completo, e não apenas uma foto estática.

4. Como Eles Fizeram Isso?

Eles usaram um programa de computador super avançado (chamado GeoChemFoam) que simula a física real:

• O CO2 entra pela esquerda.
• Ele empurra a água.
• A IA observa como a pressão muda, como a velocidade da água varia e como o gás se espalha.

5. O Resultado: A IA Aprende Melhor com Diversidade

Para testar se o banco de dados era bom, eles treinaram três "alunos" (modelos de IA):

1. Aluno A: Estudou apenas rochas organizadas (Nível 1).
2. Aluno B: Estudou rochas de vários níveis (Níveis 1 a 4).
3. Aluno C: Estudou todas as rochas, incluindo as mais bagunçadas (Níveis 1 a 5).

O Veredito: Quando colocaram os alunos para resolver um problema novo (uma rocha do Nível 5 que eles nunca viram), o Aluno C (que viu a maior variedade) foi o melhor. O Aluno A, que só viu o "fácil", errou muito.

Isso prova que, para a IA funcionar bem na vida real (onde as rochas são imprevisíveis), ela precisa ser treinada com dados que tenham muita variedade e complexidade.

Resumo Final

Este artigo é como se os cientistas dissessem: "Não adianta ensinar um piloto de avião apenas a voar em dias de sol e céu limpo. Nós criamos um simulador com tempestades, turbulências e ventos fortes para que a IA aprenda a pilotar em qualquer situação."

Agora, pesquisadores de todo o mundo podem usar esses dados para criar modelos mais rápidos e precisos, ajudando a garantir que o CO2 fique preso na terra de forma segura e eficiente, protegendo nosso planeta.

Resumo técnico

Resumo Técnico: Um Conjunto de Dados de Referência para Surrogatos de Aprendizado de Máquina de Interações CO2-Água em Escala de Poro

1. Problema e Contexto

A captura e armazenamento de carbono (CCS) e a recuperação aprimorada de petróleo dependem criticamente da compreensão precisa do transporte de CO2 em meios porosos. O principal desafio reside na caracterização da movimentação e saturação do CO2, que é governada por interações complexas entre fases fluidas e a heterogeneidade geológica da estrutura porosa.

• Limitações Atuais: Métodos experimentais (como injeção em núcleos) fornecem propriedades macroscópicas, enquanto técnicas de imagem (tomografia) têm limitações em processos dinâmicos. Simulações numéricas de alta fidelidade (como simulação direta de Navier-Stokes) são precisas, mas computacionalmente proibitivas para uso em larga escala ou otimização.
• Oportunidade de ML: Modelos de Aprendizado de Máquina (ML) surgem como "surrogatos" eficientes para acelerar essas previsões. No entanto, a eficácia desses modelos é limitada pela falta de conjuntos de dados diversificados e de alta resolução. Os conjuntos de dados existentes frequentemente:
  • Possuem escalas pequenas (ex: máx. 256×256 pixels).
  • Focam apenas no estado final da injeção, ignorando a evolução temporal dinâmica (estados intermediários).
  • Carecem de variabilidade geológica suficiente para garantir a generalização em formações complexas.

2. Metodologia

O artigo apresenta a criação e validação de um conjunto de dados de referência (benchmark) gerado a partir de simulações numéricas de alta fidelidade.

• Geração de Geometrias (Pré-processamento):

  • Utilizou-se o notebook de código aberto DrawMicromodels para gerar estruturas de poros perturbando uma rede triangular regular.
  • Heterogeneidade: Foram definidos 5 níveis de heterogeneidade (de bem classificados a altamente heterogêneos), variando o raio dos grãos e a posição (jitter) para simular sorting sedimentar e compactação local.
  • Varredura Paramétrica: Para cada nível, variou-se o raio médio do grão ($R_0$) e a porosidade alvo ($\phi$), gerando 90 imagens base. Após descarte de casos com atalhos de percolação, restaram 78 bases.
  • Aumento de Dados: Cada imagem de 1024×1024 foi cortada em 4 quadrantes (512×512) e espelhada verticalmente, resultando em um conjunto final de 624 geometrias únicas.

• Simulação de Escoamento Multifásico:

  • Solver: Utilizou-se o GeoChemFoam, baseado no OpenFOAM, que resolve as equações de Navier-Stokes para fluidos incompressíveis usando o método Volume-of-Fluid (VoF) algébrico.
  • Condições: Injeção de CO2 a uma taxa constante na fronteira esquerda de um meio inicialmente saturado com água.
  • Parâmetros Físicos: Resolução espacial de 35µm, tempo total de 1s com 100 passos de tempo. Incluiu tensão superficial, ângulo de contato e forças capilares.
  • Saídas: Campos de velocidade, pressão, pressão capilar e saturação de água/CO2.

• Validação de Modelos (Benchmarking):

  • Treinaram-se três modelos U-Net para prever a evolução futura da saturação de CO2 (mapeando 4 passos de tempo consecutivos para os próximos 4).
  • Estratégia de Treino:
    • Modelo A: Treinado em todos os 5 níveis de heterogeneidade.
    • Modelo B: Treinado em 4 níveis.
    • Modelo C: Treinado apenas no 1º nível (menos heterogêneo).
  • Teste: Todos os modelos foram avaliados em amostras do 5º nível (não vistas pelos modelos B e C) para testar a capacidade de generalização.

3. Contribuições Principais

1. Conjunto de Dados de Alta Resolução e Temporal: Disponibilização de 624 amostras 2D (512×512 pixels) com 100 passos de tempo, cobrindo a evolução dinâmica completa da injeção de CO2, não apenas o estado final.
2. Diversidade Geológica Controlada: O dataset inclui 5 níveis distintos de heterogeneidade (variação de tamanho de grão e espaçamento), permitindo o treino de modelos robustos para diferentes cenários geológicos.
3. Dados Multifísicos Completos: Além da saturação, o dataset fornece campos de pressão, pressão capilar e velocidades (horizontal e vertical), essenciais para entender a física subjacente.
4. Acesso Aberto: Os dados estão disponíveis no repositório Dryad e o código de geração de geometrias e simulação está no GitHub, promovendo reprodutibilidade.

4. Resultados

• Desempenho dos Modelos: A análise comparativa (Tabela 4) demonstrou que a diversidade dos dados de treino é crucial para a generalização.
  • O Modelo 5-Levels (treinado em toda a diversidade) obteve o menor Erro Quadrático Médio (MSE) médio no conjunto de teste (0,0145).
  • O Modelo 4-Levels teve desempenho intermediário (MSE 0,0254).
  • O Modelo 1-Level (treinado apenas em dados homogêneos) apresentou o pior desempenho (MSE 0,0320) ao tentar prever cenários heterogêneos.
• Generalização: Embora o modelo treinado em dados mais diversos tenha melhorado a média de desempenho, a análise por amostra mostrou que a melhoria não é uniforme em todos os casos; em alguns cenários específicos fora da distribuição, modelos menos diversificados podem ocasionalmente performar melhor, mas a tendência geral favorece a diversidade.
• Visualização: As comparações qualitativas (Figuras 7 e 8) confirmaram que os modelos treinados com mais níveis de heterogeneidade capturam melhor os padrões complexos de deslocamento (canalização, coalescência) do que os treinados em dados limitados.

5. Significância e Impacto

Este trabalho estabelece um novo padrão para o desenvolvimento de surrogatos de ML em geociências. Ao fornecer um dataset que combina alta resolução espacial, evolução temporal detalhada e heterogeneidade geológica realista, o estudo permite:

• O desenvolvimento de modelos de ML mais robustos que podem generalizar para formações geológicas não vistas anteriormente.
• A aceleração de simulações de fluxo em escala de poro, facilitando a otimização de estratégias de injeção de CO2 e a avaliação de riscos em projetos de CCS.
• A superação da limitação de modelos que apenas preveem estados finais, permitindo a análise de comportamentos transitórios críticos para a segurança e eficiência do armazenamento de carbono.

Em suma, o dataset serve como uma ferramenta fundamental para a comunidade de IA aplicada à energia, permitindo a transição de modelos teóricos para aplicações práticas em cenários geológicos complexos.