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、油田開発や貯留層管理、特に石油・ガス分野では極めて重要である。従来の2点ジオスタティックスは、基礎的なものではあるが、複雑な地質学的パターンを捉えるのに苦労することが多い。多点統計は、より柔軟性を提供しますが、独自の課題を伴います。Generative Adversarial Networks（GANs）の台頭と様々な分野での成功により、GANsを地層生成に使用する方向にシフトしている。しかし、近年のコンピュータビジョン分野の進歩により、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る。このような背景から、貯留層相の条件付き生成に特化した新しい潜在拡散モデルを提案する。提案モデルは、条件付けデータを厳密に保存した忠実度の高い相変化を生成する。このモデルは、GANに基づく代替モデルを大幅に凌駕する。

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. 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.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL