04/11/2024

Centro Pi usa redes neurais para localizar petróleo no mar

O Centro Pi (Centro de Projetos e Inovação IMPA) está desenvolvendo para a Petrobras um projeto no campo da inversão sísmica para aumentar a assertividade na busca por petróleo em águas profundas. Ainda em fase inicial, o trabalho inova ao usar Redes Neurais Informadas pela Física (Physics-Informed Neural Networks – PINNs) para mapear a área pesquisada.

O pesquisador do IMPA João Pereira e o cientista de projetos Lucas Nissenbaum coordenam a equipe formada por onze participantes entre doutores e pós-doutores. Nissenbaum explica que a ideia fundamental do projeto é auxiliar a Petrobras a analisar, de forma mais assertiva e rápida, dados sísmicos para a prospeção de petróleo. O objetivo final é evitar perfurações desnecessárias — que geram altos custos financeiros e de tempo —, e otimizar o trabalho que já existe na Petrobras.

O mapeamento do fundo do oceano para petroleiras vem sendo realizado pela técnica Full Waveform Inversion desde os anos 1960. Esse é o processo mais avançado e preciso na geração de modelos mais específicos para essa demanda. Apesar disso, um grande desafio é que a inversão de campos por essa técnica demanda muito tempo e capacidade computacional, especialmente diante de campos complexos ou tridimensionais.

“Uma forma de pensar é que o modelo de trabalho atual começa um chute do que se pensa existir no fundo do oceano. Quanto melhor o chute, mais rápida vai ser a convergência desse modelo. O uso de redes neurais informadas pela física poderia auxiliar no encontro deste primeiro ponto, por exemplo”, contou Nissenbaum.

Para isso, o Centro Pi trabalha no campo de inversão sísmica. A partir de um jato de canhão, é gerada uma onda sonora, que viaja e se choca com diferentes meios. Esse processo gera efeitos diversos sobre a onda, entre eles a reflexão dela à superfície. Com o auxílio de sensores, a ideia é captar as informações sobre os meios que afetam esta onda e assim estimar a composição do campo. Com essa análise, vai ser possível perceber se o meio está mais ou menos denso em alguma região, por exemplo, e produzir uma estimativa da quantidade de petróleo existente.

“É uma onda que percorre a terra, e suas reflexões geram novas informações. Fundamentalmente, voltamos ao pensamento de como será que essa parte da terra foi formada? Durante essa formação, será que se permitiu que fosse formado petróleo? Existem várias partes para serem analisadas nesse processo”, explicou Pereira.

Os coordenadores do projeto destacam a Rede Neural Informada pela Física como uma grande aposta do modelo em desenvolvimento. A proposta é que essas redes possam obedecer aos modelos e às propriedades físicas clássicas, assim como as ondas sonoras seguem a natureza física. O desafio é ensinar, por meio de machine learning, a rede neural como se submeter ao contexto físico, à situação real do problema apresentado.

“A maneira como estamos apresentando o nosso modelo é usando redes neurais. A função utilizada no projeto vai ser representada por uma rede neural, isso é o que muda muito na nossa pesquisa. Existem várias redes neurais e, basicamente, podemos ver quais funcionam melhor, e em que contextos. A maneira como a gente treina essas redes neurais para resolver as equações muda. Então, a gente pode juntá-las para no final conseguir alguma coisa, ver o que funciona melhor no final”, apontou Pereira.

Outra importante contribuição até aqui foi o desenvolvimento de uma pipeline para testes e avaliação de resultados. Essa é uma estrutura modular, na qual é possível testar novas ideias e modelos com maior facilidade. Com o desenvolvimento dessa ferramenta tem sido possível manipular equações mais complexas e mais simples, aumentar o tamanho do meio e inverter informações e peças.

“Isso que eu acho que é o mais bacana do que a gente fez. Agora, estamos querendo realizar testes, substituir um módulo por outro. Estamos com muitas ideias de pesquisa, e podemos fazer esses testes com velocidade”, concluiu Nissenbaum.