🤖 machine learning

OpenSeisML: Open Large-Scale Real Seismic and well-log Dataset for Generative AI

Este artigo apresenta o OpenSeisML, uma coleção curada de conjuntos de dados sísmicos e de perfis de poço reais provenientes do Repositório Nacional de Dados do Reino Unido, que inclui um pipeline automatizado para conversão de tempo em profundidade, visando abordar a escassez de dados públicos e permitir o treinamento de modelos de IA generativa para inversão sísmica e quantificação de incertezas.

Autores originais: Ipsita Bhar, Huseyin Tuna Erdinc, Thales Souza, Charles Jones, Felix J. Herrmann

Publicado 2026-05-21

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Ipsita Bhar, Huseyin Tuna Erdinc, Thales Souza, Charles Jones, Felix J. Herrmann

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está tentando ensinar um chef robô a assar o bolo perfeito. Para fazer isso, o robô precisa provar milhares de bolos reais para entender como farinha, açúcar e ovos interagem. No entanto, no mundo da exploração de petróleo e gás, os "bolos" são formações rochosas subterrâneas, e as "receitas" estão escondidas dentro de cofres de empresas privadas. A maioria dos dados de alta qualidade necessários para treinar esses chefs de IA está trancada, deixando os pesquisadores praticando com bolos falsos, gerados por computador, que não têm exatamente o mesmo sabor do real.

Este artigo apresenta o OpenSeisML, uma nova "cozinha" de código aberto, repleta de dados sísmicos reais e de alta qualidade e perfis de poço, projetada especificamente para treinar a próxima geração de IA para encontrar petróleo e gás.

Aqui está uma análise do que eles fizeram, usando analogias simples:

O Problema: O Dilema do "Bolo Falso"

Por muito tempo, pesquisadores tentaram treinar IA para descobrir o que há no subsolo usando dados sintéticos (simulações de computador).

O Modelo Compass & SEAM: São como bolos falsos muito detalhados e realistas. Eles parecem bons, mas existe apenas uma versão de cada um. Se você treinar sua IA em apenas um bolo falso, ela memoriza aquele bolo específico e falha quando vê um bolo real ligeiramente diferente.
OpenFWI: É como uma biblioteca massiva de bolos falsos com formatos diferentes. Embora haja muitos deles, ainda são feitos em um laboratório controlado. Eles carecem do "sabor" bagunçado e caótico da geologia real.

O resultado? Modelos de IA treinados nesses falsos frequentemente lutam quando encontram a realidade bagunçada da Terra real.

A Solução: A Biblioteca de "Bolo Real"

Os autores foram ao Repositório Nacional de Dados do Reino Unido (NDR), uma biblioteca pública gerenciada pelo governo de dados geológicos do mundo real. Eles construíram um pipeline automatizado para capturar levantamentos sísmicos reais (imagens 3D do subsolo) e perfis de poço reais (medições tomadas de furos de perfuração reais).

Pense neste pipeline como uma linha de montagem super eficiente que limpa e prepara esses ingredientes brutos para que uma IA possa consumi-los imediatamente.

A Linha de Montagem: Como Eles Prepararam os Dados

O artigo descreve um processo de quatro etapas para transformar dados brutos em material de treinamento:

Recolhendo os Ingredientes (Coleta de Dados):
Eles baixaram conjuntos massivos de dados sísmicos 3D e perfis de poço associados do Reino Unido. Foram exigentes, escolhendo principalmente dados posteriores aos anos 1990, porque dados mais antigos eram como "ingredientes vencidos" — bagunçados, inconsistentes e difíceis de usar automaticamente.
Alinhando o Mapa (Sistema de Coordenadas):
Imagine tentar sobrepor uma foto de satélite de uma cidade com um mapa desenhado à mão de um sistema de metrô. Se as escalas não coincidirem, as linhas não se alinharão. Os pesquisadores garantiram que todos os dados sísmicos e os perfis de poço estivessem no mesmo mapa de coordenadas exato, para que a IA soubesse exatamente onde está o furo de perfuração em relação à imagem sísmica.
A Conversão de Viagem no Tempo (Tempo-para-Profundidade):
Esta é a parte mais complicada. Os dados sísmicos frequentemente vêm em "tempo" (quanto tempo uma onda sonora levou para voltar), mas os furos de perfuração medem "profundidade" (quantos metros para baixo).
- A Analogia: É como tentar converter uma receita que diz "cozinhe por 10 minutos" em "cozinhe até o centro atingir 200 graus". Você precisa de uma tabela de conversão.
- O Método: Eles usaram dados de "checkshot" (medições que dizem exatamente quanto tempo o som leva para viajar até profundidades específicas) para construir um modelo de velocidade suave. Pense nisso como criar um "mapa de velocidade" do subsolo. Eles usaram uma ferramenta matemática chamada Funções de Base Radial (RBF) para preencher as lacunas entre os furos de perfuração, criando um mapa de velocidade 3D suave que atua como um tradutor entre tempo e profundidade.
Fatiando o Pão (Criando Dados de Treinamento):
Uma vez que os dados 3D foram convertidos para profundidade, eles os cortaram em tiras 2D que passavam exatamente pelos furos de perfuração. Em seguida, redimensionaram essas fatias para um tamanho padrão (como redimensionar todas as fotos para 1080p) para que a IA pudesse aprender com elas de forma consistente.

O Resultado: Um Novo Chef de IA

Os pesquisadores testaram este novo conjunto de dados treinando um Modelo de Difusão (um tipo de IA Generativa que aprende padrões para criar novas imagens).

O Teste: Eles treinaram a IA em apenas 40 poços reais.
O Resultado: A IA aprendeu com sucesso o "sabor" estatístico do subsolo. Ela pôde gerar novos modelos de velocidade realistas que pareciam muito semelhantes à verdade real do terreno.
O Objetivo: O objetivo final é usar essa IA para criar milhares de cenários "e se". Isso ajuda os geólogos a entender a incerteza do que está abaixo do solo, em vez de apenas dar a eles uma única suposição.

Resumo

Em resumo, o artigo diz: "Pare de treinar sua IA em simulações falsas de versão única. Construímos um pipeline automatizado para colher, limpar e organizar dados sísmicos reais do Reino Unido. Isso permite que a IA aprenda a verdadeira, bagunçada e natureza estatística da Terra, levando a melhores previsões para inversão sísmica."

Eles estão atualmente trabalhando com fatias 2D e planejam escalar isso para 3D e incluir mais poços (até 1.000) para tornar a IA ainda mais inteligente.

Resumo Técnico: OpenSeisML

Declaração do Problema
O desenvolvimento e a avaliação de fluxos de trabalho de Inteligência Artificial Generativa (IA-Gen) para inversão sísmica são atualmente dificultados pela escassez de modelos de velocidade realistas e de alta qualidade. Embora o aprendizado de máquina tenha acelerado a inversão sísmica ao reduzir o custo computacional dos métodos iterativos, a maioria dos dados de alta qualidade disponíveis é de propriedade privada de empresas de petróleo e gás. Os benchmarks públicos existentes, como o modelo Compass, SEAM e OpenFWI, sofrem limitações significativas: frequentemente são restritos a realizações determinísticas únicas, carecem de variabilidade estocástica ou dependem de dados sintéticos que não capturam a complexidade geológica completa e a variabilidade das condições reais de campo. Consequentemente, modelos treinados nesses conjuntos de dados correm o risco de sobreajuste a geologias específicas ou configurações sintéticas, lutando para generalizar para ambientes de subsolo diversos.

Metodologia
Para abordar essas lacunas, os autores apresentam o OpenSeisML, um pipeline automatizado de curadoria de dados projetado para gerar conjuntos de dados sísmicos e de perfuração em grande escala e reais a partir do Repositório Nacional de Dados do Reino Unido (NDR). O fluxo de trabalho consiste em quatro componentes principais:

Coleta de Dados: O pipeline utiliza o portal UK-NDR para baixar em massa dados sísmicos 3-D migrados (SEG-Y) e dados de poço associados (arquivos LAS e checkshot) via APIs. Para garantir qualidade e reprodutibilidade, os autores priorizam levantamentos adquiridos após a década de 1990 para evitar cabeçalhos inconsistentes e coordenadas de poço incertas, embora um pequeno número de levantamentos anteriores a 1990 tenha sido incluído após verificação.
Pré-processamento e Alinhamento: Os volumes sísmicos e os dados de poço são alinhados dentro de um sistema de referência de coordenadas (CRS) comum. Para representar dados sísmicos 3-D em uma grade regular, os autores estimam os limites do levantamento usando um casco côncavo para acomodar geometrias de aquisição irregulares e extraem a maior região retangular contígua com grades regulares.
Conversão Tempo-Profundidade: Como os dados sísmicos pós-pilha podem estar no domínio do tempo enquanto os perfis de poço estão na profundidade, uma conversão é necessária. Os autores utilizam dados de checkshot (fornecendo profundidade e tempos de trânsito de ida e volta) para calcular velocidades médias. Essas velocidades são interpoladas espacialmente usando uma Função de Base Radial (RBF) para construir um volume de velocidade média 3-D suave. Este volume é usado para converter dados sísmicos migrados no tempo para o domínio da profundidade. Os autores observam explicitamente que o objetivo é um mapeamento tempo-profundidade consistente, e não um modelo de velocidade de intervalo altamente preciso, visando capturar o comportamento estatístico geral do campo de velocidade.
Geração de Dados de Treinamento: A etapa final envolve a extração de seções sísmicas 2-D no domínio da profundidade ao longo de "linhas quasi-2D" que passam por trajetórias de poço selecionadas. Essas seções são reamostradas para uma grade de $256 \times 512$ usando uma FFT 2D com um filtro passa-baixa suave para harmonizar as resoluções entre os traços sísmicos e os perfis de poço tipicamente amostrados com maior detalhe. O conjunto de dados final compreende seções sísmicas 2-D integradas com controle de poço, armazenadas no formato HDF5.

Principais Contribuições

Conjunto de Dados OpenSeisML: Uma coleção curada de conjuntos de dados sísmicos reais da bacia do Mar do Norte, projetada especificamente para suportar fluxos de trabalho de IA-Gen para inversão sísmica.
Pipeline Automatizado: Um fluxo de trabalho automatizado e reprodutível para curadoria de dados que lida com as complexidades de alinhar dados sísmicos e de poço do mundo real, incluindo conversão tempo-profundidade usando modelos de velocidade derivados de checkshot.
Representação Estatística: Diferentemente de benchmarks anteriores que oferecem realizações únicas, este conjunto de dados captura a distribuição estatística das propriedades do subsolo, permitindo a síntese de múltiplas realizações estatisticamente consistentes para quantificação de incerteza.
Suporte a Múltiplos Parâmetros: O conjunto de dados inclui não apenas velocidade, mas também medições petrofísicas (perfis de raio gama, nêutron, densidade, sônico e resistividade), fornecendo restrições sobre litologia, porosidade e propriedades de fluidos.

Resultados
Os autores conduziram experimentos preliminares treinando um modelo generativo baseado em difusão nos dados curados do OpenSeisML.

O modelo foi inicialmente treinado no conjunto de dados Compass para comparação de linha de base e depois re treinado usando dados de apenas 40 poços da coleção OpenSeisML.
Os resultados demonstraram que o modelo poderia gerar distribuições realistas de modelos de velocidade que se alinham estreitamente com dados de verdade derivadas dos poços.
Os autores observam que esses resultados são preliminares; trabalhos futuros envolvem escalar o treinamento para pelo menos 1.000 perfis de poço reais para melhorar ainda mais a precisão e a generalização.

Significado e Alegações
O artigo afirma que o OpenSeisML aborda o gargalo crítico de escassez de dados no desenvolvimento de modelos de ML confiáveis e reprodutíveis para geofísica. Ao alavancar dados de campo reais em vez de modelos sintéticos ou determinísticos, a estrutura visa capturar as verdadeiras características estatísticas e a complexidade geológica das condições do subsolo. Os autores posicionam este trabalho como um passo fundamental para treinar modelos generativos que possam atuar como priores para inversão sísmica e facilitar a quantificação de incerteza. Eles enfatizam que a avaliação atual está em um ambiente 2-D, com planos de estender a estrutura para 3-D, e destacam o potencial desses conjuntos de dados para avaliar algoritmos de inversão multi-parâmetro no futuro.