Графовая нейросеть предсказала миграцию CO2 в геологических хранилищах

Исследователи из научного сообщества представили новый подход к моделированию миграции CO2 в сложных геологических формациях. Работа, опубликованная на arXiv, описывает графовый нейросетевой суррогат, который воспроизводит ключевые аспекты физики многофазных потоков.

Предложенная модель — end-to-end графовая нейронная сеть, специально разработанная для прогнозирования распространения плюма CO2 при геологическом хранении. В основе метода лежит представление задачи в виде графа: узлы соответствуют вычислительным ячейкам, а ребра кодируют взаимодействия на основе трансмиссивности с добавлением геометрических атрибутов.

Особенность архитектуры — анизотропный механизм передачи сообщений. Он учитывает направленный перенос, возникающий из-за геометрии сетки, контрастов проницаемости и геологической неоднородности. Веса взаимодействий вычисляются через условленные геометрией вложения ребер, что смещает агрегацию сообщений в физически значимые направления транспорта.

Временная эволюция моделируется в латентном пространстве с помощью авторегрессионной остаточной формулировки. Обучение проводится с многошаговым контролем, что позволяет сети давать точные прогнозы на длительных горизонтах.

Метод оценивался на бенчмарке SPE11A — общепризнанном отраслевом тесте для оценки сценариев хранения CO2. Этот тест характеризуется резкими границами газ-вода, сильным адвективным переносом и быстрым конвективным смешиванием с образованием пальцевых структур.

Модель показала конкурентоспособные прогнозы насыщения газа и плотности жидкой фазы — ключевых индикаторов мониторинга хранилищ CO2. Кумулятивные ошибки остаются умеренными даже при длительном прогнозировании, что говорит о пригодности подхода для практических задач.

Разработка может ускорить моделирование сценариев геологического хранения CO2, сократив вычислительные затраты по сравнению с полномасштабными физическими симуляциями. Это важно для проектов по улавливанию и захоронению углерода, где требуется быстрая оценка множества вариантов.