Atentos geólogos! Deep Learning para estudiar fallas sísmicas

Quince años después de que un terremoto de magnitud 9.1 y un tsunami azotaran la costa de Indonesia, matando a más de 200.000 personas en más de una docena de países, los geólogos todavía están trabajando para comprender los complejos sistemas de fallas que atraviesan la corteza terrestre.

Si bien las fallas importantes son fáciles de detectar para los geólogos, no lo son tanto aquellas fallas y fracturas en las rocas, mas pequeñas, que se encuentran conectadas a las grandes. Identificar estas fallas más pequeñas es laborioso, ya que requiere semanas para estudiar cortes individuales de una imagen 3D.

Investigadores de la Universidad de Texas en Austin están revolucionando el proceso con modelos de aprendizaje profundo que identifican sistemas de fallas geológicas a partir de imágenes sísmicas 3D, ahorrando tiempo y recursos a los científicos. Los desarrolladores utilizaron datos sintéticos para entrenar redes neuronales que detectan fallas pequeñas y sutiles que los intérpretes humanos suelen pasar por alto.

«A veces quieres perforar las fracturas, y a veces quieres mantenerte alejado de ellas», dijo Sergey Fomel, profesor de ciencias geológicas en Universidad de Austin, Texas. «Pero en cualquier caso, necesitas saber dónde están».

El examen de los sistemas de fallas ayuda a los científicos a determinar qué características sísmicas son más antiguas que otras y a estudiar regiones de interés como los márgenes continentales, donde una placa continental se encuentra con una oceánica.

Los análisis sísmicos también se utilizan en el sector energético para planificar actividades de perforación para extraer petróleo y gas natural, así como el proceso opuesto de secuestro de carbono: inyectar dióxido de carbono en el suelo para mitigar los efectos del cambio climático.

Rastreo de grietas en la corteza superior de la Tierra

Los sistemas de fallas sísmicas son tan complejos que los investigadores que analizan datos del mundo real a mano pierden algunas de las grietas y fisuras más finas conectadas a una falla mayor. Como resultado, un modelo de aprendizaje profundo entrenado en conjuntos de datos anotados por humanos también perderá estas fracturas más pequeñas.

Para evitar esta limitación, los investigadores crearon datos sintéticos de fallas sísmicas. El uso de datos sintéticos significaba que los científicos ya sabían la ubicación de cada falla mayor y menor en el conjunto de datos. Esto les permitió entrenar un modelo de IA que supera la precisión del etiquetado manual.

El modelo de aprendizaje profundo del equipo analiza datos volumétricos 3D para determinar la probabilidad de que haya una falla en cada píxel dentro de la imagen. Luego, los geólogos pueden atravesar las regiones que la red neuronal ha marcado como de alta probabilidad de fallas presentes para realizar sus análisis.

«Los geólogos ayudan a explicar lo que sucedió a lo largo de la historia del tiempo geológico», dijo. “Todavía necesitan analizar los resultados del modelo de IA para crear la historia, pero queremos liberarlos del trabajo de tratar de marcar las fallas y grietas manualmente. No es el mejor uso del tiempo de los geólogos «.

Fomel dijo que puede llevar hasta un mes analizar a mano los sistemas de fallas que tardan solo unos segundos en procesarse con el modelo basado en CNN. Los métodos automatizados anteriores llevaban horas y eran mucho menos precisos.

«El aprendizaje profundo no es solo un poco más preciso: está en un nivel completamente diferente tanto en precisión como en eficiencia», dijo Fomel. «Es un cambio de juego en términos de interpretación automática».

Los investigadores entrenaron sus redes neuronales en el sistema Maverick2 del Centro de Computación Avanzada de Texas, con tecnología de GPU NVIDIA. Sus modelos de aprendizaje profundo se construyeron utilizando los marcos de aprendizaje profundo PyTorch y TensorFlow, así como el paquete de software Madagascar para el análisis de datos geofísicos.

Además de las fallas, estos algoritmos se pueden usar para detectar otras características que los geólogos examinan, incluidos los cuerpos de sal, las capas sedimentarias y los canales. Los investigadores también están diseñando redes neuronales para calcular el tiempo geológico relativo a partir de datos sísmicos, una medida que brinda a los científicos información detallada sobre las estructuras geológicas.

Artículo original Isha Salian

Dejar un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Accedé al descuento del15%

Suscribiéndote a Nuestro Newsletter, y recibí el cupón para tu inscripción.