Yeraltı rezervuarlarının özelliklerini doğru bir şekilde belirlemek, enerji üretiminden çevre korumaya kadar birçok alanda kritik önem taşıyor. Ancak karmaşık jeolojik yapılar ve sınırlı gözlem verileri nedeniyle bu görev oldukça zorlu bir süreç.
Bilim insanları, bu soruna çözüm bulmak için fizik bilgili makine öğrenmesi adı verilen yenilikçi bir yaklaşım geliştirdi. Bu yöntem, yapay sinir ağlarının eğitim sürecine doğrudan fizik simülatörlerini entegre ediyor ve böylece sınırlı basınç ölçümleriyle bile yeraltının geçirgenlik haritalarını çıkarabiliyor.
Geliştirilen sistemin en önemli avantajı, hem rutin işletim verilerini hem de nadir görülen aşırı basınç olaylarını aynı anda işleyebilmesi. Bu özellik, operasyonel risklerin daha iyi değerlendirilmesi açısından büyük önem taşıyor.
Geleneksel yöntemler pahalı tam fizik simülasyonlarına dayanırken, yeni yaklaşım hesaplama maliyetlerini önemli ölçüde düşürüyor. Aynı zamanda, tamamen veri odaklı modellerin aksine fiziksel tutarlılığını da koruyor.
Bu teknoloji, petrol ve doğalgaz rezervuarlarının yönetiminden jeotermal enerji çıkarımına, karbon dioksit depolamadan atık su enjeksiyonuna kadar geniş bir uygulama yelpazesi sunuyor. Yeraltı kaynak yönetiminde daha güvenli ve verimli operasyonların önünü açabilir.