[論文レビュー] Latent diffusion models for parameterization and data assimilation of facies-based geomodels

Guido Di Federico, Louis J. Durlofsky|ArXiv.org|Jun 21, 2024

Geological Modeling and Analysis被引用数 4

ひとこと要約

本稿では、2次元3フェイシエス（チャネル-レベー-ムード）地質モデルにおける、潜在的拡散モデル（LDM）を用いた地質的パラメータ化とデータ同調法を提案する。次元削減のための変分自己オートエンコーダ（VAE）と、ノイズ除去のためのU-Netを組み合わせることで、地質的に現実的な実現を生成可能となり、アンサンブルベースの手法による効率的な歴史マッチングが可能となり、不確実性が顕著に低減される一方で、主要な地質的特徴は保持される。

ABSTRACT

Geological parameterization entails the representation of a geomodel using a small set of latent variables and a mapping from these variables to grid-block properties such as porosity and permeability. Parameterization is useful for data assimilation (history matching), as it maintains geological realism while reducing the number of variables to be determined. Diffusion models are a new class of generative deep-learning procedures that have been shown to outperform previous methods, such as generative adversarial networks, for image generation tasks. Diffusion models are trained to "denoise", which enables them to generate new geological realizations from input fields characterized by random noise. Latent diffusion models, which are the specific variant considered in this study, provide dimension reduction through use of a low-dimensional latent variable. The model developed in this work includes a variational autoencoder for dimension reduction and a U-net for the denoising process. Our application involves conditional 2D three-facies (channel-levee-mud) systems. The latent diffusion model is shown to provide realizations that are visually consistent with samples from geomodeling software. Quantitative metrics involving spatial and flow-response statistics are evaluated, and general agreement between the diffusion-generated models and reference realizations is observed. Stability tests are performed to assess the smoothness of the parameterization method. The latent diffusion model is then used for ensemble-based data assimilation. Two synthetic "true" models are considered. Significant uncertainty reduction, posterior P$_{10}$-P$_{90}$ forecasts that generally bracket observed data, and consistent posterior geomodels, are achieved in both cases. PLEASE CITE AS: 10.1016/j.cageo.2024.105755 https://www.sciencedirect.com/science/article/pii/S0098300424002383 NOT WITH THE ARXIV VERSION

研究の動機と目的

• 深層生成モデルを用いて、データ効率的かつ地質的に現実的なフェイシエスベースの地質モデルのパラメータ化手法を開発すること。
• 大規模な地下流れモデルにおける歴史マッチングの計算負荷を軽減するため、パrameter次元を低減すること。
• 主成分分析（PCA）、VAE、GANなどの既存のパラメータ化技術を、拡散モデルの安定性とサンプル品質の優位性を活用して改善すること。
• 拡散モデルの潜在空間を用いた堅牢なデータ同調法を実現し、事後実現が観測された生産データと一致することを保証すること。
• 固定および不確実なフェイシエス特性を併用できる統一フレームワークとして、合成2次元3フェイシエス系における本手法の有効性を示すこと。

提案手法

• 本手法は、高次元の地質モデルを低次元の潜在空間にマップするための変分自己オートエンコーダ（VAE）を用い、効率的な表現を可能にする。
• U-Netアーキテクチャを用いて、潜在空間におけるランダムノイズから新しい実現を生成する逆方向のノイズ除去プロセスを学習する。
• VAE学習中にハードデータ制約を組み込むことで、条件付き生成を実現する。この際、ハードデータ損失項を導入する。
• Geological realismとデータ整合性を保証するため、Petrelを用いて生成された4,000件の条件付き実現を学習データとして用いる。
• 動的生産データを用いてモデルを更新するため、潜在空間でアンサンブルベースのデータ同調法（ESMDA）を適用する。
• 高速かつ決定論的な推論を実現するため、DDIM（Denoising Diffusion Implicit Models）を用いたサンプリングにより、計算効率を向上させる。

実験結果

リサーチクエスチョン

• RQ1 潜在的拡散モデルは、空間的および流れ統計的特性において、参照実現と一致する地質的に現実的な2次元3フェイシエス地質モデルを生成できるか？
• RQ2 特に制限された条件データのもとで、LDMパラメータ化が地質的特徴をどの程度保持できるか？
• RQ3 潜在変数に微小な摂動を与えた場合、潜在空間に滑らかで安定した変化が生じるか。これは、モデルの堅牢性を示唆する。
• RQ4 歴史マッチングの過程で、LDMがポーラシティおよび透過率の予測における不確実性をどの程度低減できるか？
• RQ5 本手法は、固定値と不確実なフェイシエス特性値を統一的なフレームワークで処理できるか？

主な発見

• LDMによって生成された実現は、Petrelから得た参照モデルと、フェイシエス分布や空間連続性の観点で強い視覚的および統計的整合性を示す。
• 空間的および流れ応答統計の定量的指標において、LDM生成実現と参照実現の間で一般的な一致が確認された。
• 安定性テストにより、微小な潜在変数の摂動が、出力モデルに段階的かつ地質的に妥当な変化をもたらすことが確認され、パラメータ化の滑らかさが裏付けられた。
• 合成ケースの両方において、潜在空間でESMDAを用いたデータ同調により不確実性が低減され、事後予測のP10–P90範囲が観測された生産データをカバーした。
• 大多数のフェイシエスにおいて、事後分布は真値に近づいたが、井戸データが不足していたため、泥のログ透過率については感度が限定的であった。
• 泥の透過率の事後分布の最頻値は27 mdであり、真値の40 mdに近く、データ感度が低いにもかかわらず、事後分布の濃縮度は妥当であった。