지진 영상 작업 흐름을 가속화하는 생성적 AI
컴퓨터 비전은 전통적으로 필요했던 지진 촬영 데이터의 아주 작은 부분을 사용하여 지하 이미지를 생성합니다.
텍사스 대학의 텍사스 고급 컴퓨팅 센터. (출처: 텍사스 대학교 오스틴 캠퍼스)
생성적 인공지능(AI)은 결혼 서약 초안을 작성하고 축구하는 펭귄의 사진을 만들 수 있습니다. 또한 이전에 필요했던 것보다 훨씬 적은 데이터를 사용하여 지하 이미지를 생성할 수 있어 에너지 부문에서도 유용합니다.
지하 이미지 생성에는 여전히 엄청난 양의 컴퓨팅 성능이 필요하지만 기계 학습, 심층 신경망 및 컴퓨터 비전을 통해 지진 이미징 워크플로의 속도를 크게 높일 수 있습니다.
SparkCognition과 Shell은 2년 동안 컴퓨터 비전을 사용하여 지진 영상을 가속화하기 위해 협력해 왔습니다.
SparkCognition의 최고 과학 책임자인 Bruce Porter는 Hart Energy에 "Shell은 이것이 개방형 연구 문제라는 것을 깨달았습니다."라고 말했습니다. "그들은 석유 및 가스 산업의 외부인으로서 우리에게 정보를 가져왔습니다. 우리는 석유 및 가스 전문가가 아닙니다. 우리는 기계 학습 전문가입니다. 그들은 우리의 기계 학습 및 지구과학과의 파트너십이 깨질 수 있는지 확인하고 싶었습니다. 너트."
Porter에 따르면 그들은 그렇습니다. 그 결과가 SparkCognition 석유 및 가스 탐사 자문 소프트웨어입니다.
SparkCognition은 지진 영상 작업 흐름을 가속화하기 위해 개발된 기술에 대한 7개의 특허를 보유하고 있습니다. 이러한 특허의 대부분은 지진 단계 이미지를 명확하게 하는 "잡음 제거" 마이그레이션 프로세스에서 나온 것입니다.
지진 해석 워크플로에 소요되는 시간은 처리해야 하는 샷 데이터의 양에 따라 크게 달라지며, SparkCognition의 신기술은 역사적으로 사용된 샷 데이터의 1%~3%를 사용합니다.
"우리는 석유 및 가스 전문가가 아닙니다. 우리는 기계 학습 전문가입니다. [Shell]은 기계 학습 및 지구과학과의 파트너십이 문제를 해결할 수 있는지 확인하고 싶었습니다."—Bruce Porter, 최고 과학 책임자, 스파크인지.
"적절하게 훈련된 신경망이 주어지면 일부 데이터 포인트(이 경우 샷 데이터)로 프라이밍하면 신경망은 누락된 모든 샷 데이터를 채울 수 있으며 나머지 99%~97%는 샷 데이터입니다. 눈에 보이지도 않고 처리되지도 않은 채 진행된다"고 말했다. "결과적으로 이러한 신경망은 지진 이미지를 생성하는 추론 단계를 수행할 수 있습니다. 이는 몇 초에서 몇 분 만에 완료되어 보이지 않는 모든 샷 데이터를 채울 수 있습니다."
결과적으로 수집된 데이터의 대부분은 처리할 필요가 없다는 것입니다.
"그것이 샷 데이터 획득을 줄이는 차세대 제품으로 이어지는지 여부는 또 다른 문제입니다."라고 그는 덧붙였습니다.
그러나 포함할 샷을 선택하는 것은 획득한 샷의 3% 미만을 사용하는 경우 더 중요합니다.
Porter가 말했듯이 "그 중 너무 적고 사용하는 것이 중요합니다. 무작위로 선택할 수는 없습니다."
SparkCognition은 신경망이 가장 많은 정보를 전달하고 정확한 지하 이미지를 생성하는 데 가장 큰 영향을 미치는 샷 데이터의 1%-3%를 선택할 수 있도록 하는 솔루션을 개발했습니다. 알고리즘은 자동화된 샷 선택 프로세스를 실행하지만 시스템은 완전한 블랙박스가 아니라고 그는 말했습니다.
특히 Chat GPT와 같은 일부 생성 AI가 얼마나 궤도를 벗어났는지 고려할 때 프로세스를 볼 수 있는 것이 중요합니다.
Porter는 소프트웨어가 지질 지하 이미지와 함께 신뢰도 수준을 생성하며, 해석자는 더 많은 샷 포인트를 추가하고 이미지 신뢰도 수준의 해당 변경 사항에 따라 새로운 지하 이미지를 반복할 수 있다고 말했습니다.
"올바른 대답이 필요합니다. 지질 학적 하부 구조를 정확하게 알아야합니다"라고 그는 말했습니다. "블랙박스 같은 것이 아니라는 것이 중요합니다. 인간이 신뢰하고 지질 지하 표면을 밝히는 데 신경망이 창의적으로 작동하는 위치와 출력이 확실할 때 이해할 수 있는 것이어야 합니다."