Latent Diffusion Model for Conditional Reservoir Facies Generation

要約

限られた測定値に基づいて正確で地質学的に現実的な貯留層相を作成することは、特に石油・ガス分野における現場開発と貯留層管理にとって重要です。
従来の 2 点地球統計学は基礎的なものではありますが、複雑な地質パターンを捉えるのが難しいことがよくあります。
マルチポイント統計は柔軟性を高めますが、パターン構成とストレージ制限に関連する独自の課題が伴います。
Generative Adversarial Networks (GAN) の台頭とさまざまな分野での成功に伴い、GAN を顔の生成に使用する方向に移行しています。
しかし、コンピュータ ビジョン領域における最近の進歩により、GAN よりも拡散モデルの方が優れていることが示されています。
これを動機として、特に貯留層相の条件付き生成のために設計された新しい潜在拡散モデルが提案されています。
提案されたモデルは、条件付けデータを厳密に保存する高忠実度の状態の実現を生成します。
GAN ベースの代替手段よりも大幅に優れたパフォーマンスを発揮します。
GitHub での実装: \url{https://github.com/ML4ITS/Latent-Diffusion-Model-for-Conditional-Reservoir-Facies-Generation}。

要約(オリジナル)

Creating accurate and geologically realistic reservoir facies based on limited measurements is crucial for field development and reservoir management, especially in the oil and gas sector. Traditional two-point geostatistics, while foundational, often struggle to capture complex geological patterns. Multi-point statistics offers more flexibility, but comes with its own challenges related to pattern configurations and storage limits. With the rise of Generative Adversarial Networks (GANs) and their success in various fields, there has been a shift towards using them for facies generation. However, recent advances in the computer vision domain have shown the superiority of diffusion models over GANs. Motivated by this, a novel Latent Diffusion Model is proposed, which is specifically designed for conditional generation of reservoir facies. The proposed model produces high-fidelity facies realizations that rigorously preserve conditioning data. It significantly outperforms a GAN-based alternative. Our implementation on GitHub: \url{https://github.com/ML4ITS/Latent-Diffusion-Model-for-Conditional-Reservoir-Facies-Generation}.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google