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

Resumo Técnico: SubsurfaceGen

Declaração do Problema
A Inversão de Forma de Onda Completa (FWI) é o método padrão para a imagem de subsuperfície, sendo crítica para a verificação de sequestro de carbono, exploração de recursos e avaliação de riscos. No entanto, a FWI envolve a resolução de problemas de otimização de alta dimensão e não convexos, condicionados por EDPs, que sofrem com o cycle skipping (salto de ciclo), sensibilidade a modelos iniciais e custos computacionais proibitivos. Embora o aprendizado de máquina (ML) ofereça alternativas promissoras — como operadores neurais para acelerar resoluções de EDP e codificador-decodificadores para inversão direta — o progresso é limitado pela falta de dados de treinamento adequados. Os conjuntos de dados existentes (ex: Marmousi, SEAM, OpenFWI) falham em satisfazer simultaneamente quatro critérios críticos: extensão espacial e temporal de escala de campo, diversidade geológica, realismo físico e extensibilidade (a capacidade de gerar novos dados sob demanda). Conjuntos de dados de pequena escala não capturam o agravamento do cycle skipping e das lacunas de iluminação em grandes escalas, enquanto conjuntos de dados estáticos não podem suportar estudos sobre generalização em configurações geológicas não vistas.

Metodologia
Os autores introduzem o SubsurfaceGen, um gerador procedural acelerado por GPU para modelos de velocidade 3D e dados sísmicos correspondentes. O sistema é construído sobre o PyTorch para geração de modelos e o Devito para geração de dados sísmicos.

1. Geração Procedural de Modelos de Velocidade: O SubsurfaceGen constrói modelos de velocidade aplicando sequencialmente um catálogo de oito módulos geológicos a um volume de base homogêneo. Estes módulos emulam características do mundo real:

   • Deposit (Depósito): Adiciona camadas estratificadas com intercamadas (camadas de velocidade alternadas).
   • Squish (Esmagamento): Deforma camadas para simular o dobramento em escala de bacia.
   • Fault (Falha): Aplica deformações de falhas de tipo listrica e em forma de V.
   • SaltSDT & SaltWedge: Gera corpos de sal irregulares e deforma os sedimentos circundantes para criar sequências halocinéticas (geometrias de onlap e drape).
   • CarbonatePlatform (Plataforma de Carbonato): Constrói estruturas de recife assimétricas com fácies distintas.
   • DeltaClinoformDeposit (Depósito de Clinoform Deltaico): Empilha superfícies de leito do tipo clinoformo para simular geometrias deltaicas.
   • StructuralSmoother (Suavizador Estrutural): Aplica suavização orientada à estrutura para suprimir artefatos numéricos enquanto preserva descontinuidades geológicas.
     O processo de geração é determinístico baseado em vetores de parâmetros, mas permite amostragem estocástica para criar realizações diversas dentro de uma configuração geológica específica.

2. Geração de Dados Sísmicos: Para cada modelo de velocidade 3D, o SubsurfaceGen extrai fatias 2D e resolve a equação de onda acústica 2D usando o Devito. Ele gera dados pareados consistindo em:

   • Campos de Onda: Propagação de campo de onda completo por 5 segundos.
   • Registros de Fonte (Shot Gathers): Registros de 8 segundos de 64 fontes e 1000 receptores, simulando aquisição de streamer marinho.
     O sistema suporta cinco larguras de banda de fonte diferentes para facilitar estratégias de treinamento multiescala.

3. Construção do Conjunto de Dados: Os autores lançaram um conjunto de dados de escala de campo no Hugging Face contendo 4.276 fatias de velocidade 2D (resolução de 10 m, 10 km × 10 km lateral, 6,19 km de profundidade) pareadas com campos de onda e registros de fonte. Estes são derivados de 42 modelos 3D distintos abrangendo seis configurações geológicas: quatro geradas pelo SubsurfaceGen (Penobscot, F3, Golfo do México, Fault) e duas de fontes anteriores (SEAM, Salt Canopy). A configuração Penobscot é mantida como um conjunto de teste fora da distribuição (OOD).

Principais Contribuições

• Software SubsurfaceGen: Uma nova ferramenta de código aberto e acelerada por GPU que permite a geração procedural de modelos de velocidade de escala de campo, geologicamente diversos e fisicamente realistas. É o primeiro software de código aberto a suportar a geração procedural de características como corpos de sal, plataformas de carbonato e clinoformos em um pipeline unificado.
• Conjunto de Dados de Escala de Campo: O lançamento de um conjunto de dados pareado de grande escala (modelos de velocidade + dados sísmicos) que aborda as limitações dos benchmarks existentes. Fornece a extensão espacial necessária (10 km) e profundidade temporal (5–8 s) para estudar fenômenos de escala de campo, como o cycle skipping e a imagem profunda.
• Benchmarking de FWI Baseado em ML: O artigo demonstra a utilidade deste conjunto de dados avaliando duas tarefas distintas de ML:
  • Predição de Campo de Onda: Operadores neurais (TFNO, DPOT) para prever campos de onda. Os autores introduzem uma estratégia de "rollout autorregressivo em blocos" (chunked autoregressive rollout) necessária devido ao tamanho da grade de escala de campo e propõem o TFNO-interp, uma variante que utiliza princípios de checkpointing ideal para reduzir o desvio de erro ao longo de horizontes longos.
  • Inversão de Ponta a Ponta: Treinamento de redes codificador-decodificador (InversionNet, Transformer, CNN) para mapear registros de fonte diretamente para modelos de velocidade. O conjunto de dados permite os primeiros estudos de generalização entre geologias em escala de campo, revelando como diferentes arquiteturas lidam com mudanças de distribuição.

Resultos

• Desempenho: O SubsurfaceGen alcança um aumento de velocidade de 7,2× a 26,8× na geração de modelos de velocidade em uma GPU NVIDIA A100 comparado a uma CPU de 16 núcleos.
• Predição de Campo de Onda: Operadores neurais rastreiam com sucesso as frentes de onda dominantes, mas exibem erro cumulativo ao longo de horizontos temporais longos (5 s). A variante TFNO-interp, que ancora as predições em passos de tempo intermediários, reduziu o erro relativo L2 nas lacunas de predição em aproximadamente 6× em comparação com operadores de propagação padrão, demonstrando o valor do conjunto de dados de escala de campo para evidenciar modos de falha de longo horizonte.
• Inversão: Entre as arquiteturas testadas, a 3D CNN superou a InversionNet 2D e o Transformer em termos de RMSE e SSIM, particularmente na captura de características de grande escala como corpos de sal e falhas. No entanto, todos os modelos tiveram dificuldade com características de pequena escala. Crucialmente, a CNN mostrou uma queda significativa de desempenho no conjunto OOD (Penobscot), enquanto o Transformer manteve pontuações de SSIM estáveis, destacando as capacidades de generalização dependentes da arquitetura.

Significância
O artigo afirma que o SubsurfaceGen e seu conjunto de dados associado democratizam o ML para imagens sísmicas ao reduzir a barreira de entrada para pesquisadores que carecem de dados proprietários. Argumenta-se que a natureza de escala de campo dos dados é essencial para descobrir modos de falha (como o desvio em rollouts autorregressivos e limites de generalização em inversão) que são invisíveis em conjuntos de dados de pequena escala. Os autores posicionam este trabalho como uma fundação para futuros benchmarks e desenvolvimento de métodos, alertando que modelos treinados com estes dados sintéticos requerem validação adicional antes de implantação no mundo real. O trabalho preenche a lacavra entre os avanços teóricos de ML e os requisitos práticos de grande escala da geofísica de imagem.