Rəqəmsal süxur fizikası — Digital Rock Physics (DRP), süxurların üçölçülü təsvirlərini ədədi fizika modelləri ilə birləşdirərək məsamə quruluşu, axın və daşınma xüsusiyyətləri kimi kəmiyyətləri araşdıran süxur xarakteristikası yanaşmasıdır. Bu yanaşmada təsvir seqmentasiyası, fasiləsiz boz-səviyyəli təsviri məsamə, bərk matris, mineral, çat, duzlu su və CO₂ kimi ayrı-ayrı siniflərə çevirən ölçmə mərhələsidir. Araşdırılan strukturlaşdırılmış kritik icmal seqmentasiya üsullarını yalnız təsvir oxşarlığı ballarına görə deyil, geoloji CO₂ saxlanmasında tutum, inyeksiya oluna bilmə, qalıq tutulma, reaktiv dəyişmə və containment qiymətləndirilməsi üçün etibarlı giriş yaradıb-yaratmadığına görə nəzərdən keçirir.

Məqalənin əsas nəticəsi budur ki, təsvir dəqiqliyi ilə saxlanma etibarlılığı eyni şey deyil. İki seqmentasiya maskası vizual baxımdan bir-birinə çox bənzəyə və oxşar Dice və ya Intersection over Union (IoU) qiymətləri verə bilər; lakin kritik məsamə boğazının səhv bağlanması, ayrı CO₂ ganglionlarının birləşdirilməsi, mikroməsaməliliyin bərk faza kimi etiketlənməsi və ya real olmayan çat bağlantısının yaradılması keçiricilik, əlaqəli məsaməlilik, qalıq CO₂ doyması, reaktiv səth sahəsi və mümkün sızma yolu proqnozlarını dəyişə bilər.

İcmal klassik threshold, edge və region üsullarından klasterləşdirmə, nəzarətli maşın öyrənməsi, CNN/U-Net əsaslı dərin öyrənmə, attention/transformer modelləri və foundation model yanaşmalarına qədər geniş üsullar ailəsini qiymətləndirir. Müəlliflərin gəldiyi nəticə budur ki, geoloji CO₂ saxlanması üçün universal olaraq ən yaxşı seqmentasiya alqoritmi yoxdur. Ən müdafiəolunan üsul litologiyaya, təsvir keyfiyyətinə, faza kontrastına, sinif sayına, mövcud etiketlərə, hesablama resurslarına və seqmentasiyanın hansı fiziki saxlanma kəmiyyətini dəstəkləyəcəyinə görə dəyişir.

Tədqiqat seqmentasiya keyfiyyətini yeddi ölçüdə qiymətləndirən çərçivə təklif edir: sinif/voxel dəqiqliyi, sərhəd sədaqəti, topologiya, morfologiya, kalibrlənmiş qeyri-müəyyənlik, fiziki xüsusiyyət həssaslığı və mühəndislik qərarına təsir. Beləliklə, “maskanın istinad təsvirinə nə qədər bənzədiyi?” sualına əlavə olaraq “səhv voxel haradadır?”, “məsamə şəbəkəsi hələ də əlaqəlidirmi?”, “permeabilite nə qədər dəyişdi?” və “bu səhv sahə qərarını dəyişə bilərmi?” sualları da keyfiyyət nəzarətinin bir hissəsinə çevrilir.

Məqalə həmçinin seqmentasiyanın tək deterministik maska kimi deyil, mümkün olduqda bir-birindən fərqli, lakin məqbul seqmentasiya realizasiyaları toplusu kimi nəzərdən keçirilməsini təklif edir. Bu realizasiyalar eyni fiziki həllediciyə verildikdə keçiricilik, kapilyar təzyiq, qalıq CO₂ doyması və ya digər xüsusiyyətlər üçün tək rəqəm əvəzinə paylanmalar əldə edilə bilər.

Şərh sərhədi: tədqiqat yeni süxur təsvirləmə təcrübə dəsti, yeni öyrədilmiş seqmentasiya modeli və ya sahə miqyasında CO₂ saxlanması doğrulaması təqdim etmir. Məqalənin altı əsas şəkli konseptual sintezlərdir. Seqmentasiyanın daha yaxşı sahə seçimi, inyeksiya dizaynı və ya monitorinq qərarlarına töhfəsi mümkün layihə səviyyəli nəticələrdir; bunların reallaşması üçün geoloji miqyas böyütmə və layihəyə xas doğrulama tələb olunur.

Geoloji CO₂ saxlanmasında rəqəmsal süxur problemi niyə vacibdir?

Geoloji CO₂ saxlanmasında yalnız ümumi məsamə həcmini bilmək kifayət deyil. Saxlana bilmə; məsamələrin bir-biri ilə əlaqəli olub-olmamasından, axın yollarının fasiləsizliyindən, giriş boğazlarından, kapilyar davranışdan, çat sistemindən, mineral–maye reaksiyalarından, təzyiq əlaqəsindən və formasiyanın sızdırmazlığından asılıdır.

Rəqəmsal süxur fizikası bu kiçikmiqyaslı strukturları micro-computed tomography (micro-CT), synchrotron tomography, nano-CT, scanning electron microscopy (SEM), backscattered electron imaging (BSE) və focused ion beam–SEM (FIB-SEM) kimi təsvirləmə üsulları ilə müşahidə edə bilər. Lakin fizika simulyasiyasının işləməsi üçün boz-səviyyəli təsvirdəki hər voxel və ya təsvir elementinin hansı fazaya aid olduğu müəyyən edilməlidir.

Buna görə seqmentasiya yalnız “təsviri təmizləyib rəngləmə” prosesi deyil. Seqmentasiya maskası:

• ümumi və əlaqəli məsamə həcmini,
• məsamə boğazı həndəsəsini,
• axın yollarını,
• CO₂–duzlu su interfeyslərini,
• reaktiv mineral səthlərini,
• çat açıqlığını və fasiləsizliyini,
• yükdaşıyan bərk skeleti

təyin edən ədədi həndəsənin özüdür.

Təsvirləmə üsulunun seçimi niyə yalnız ayırdetmə qabiliyyətindən ibarət deyil?

Yüksək məkan ayırdetməsi kiçik məsamələri, incə boğazları və mineral sərhədlərini daha yaxşı göstərə bilər; lakin yüksək ayırdetməli təsvir adətən daha kiçik nümunə həcmini əhatə edir. Daha böyük təsvir həcmi isə süxur heterogenliyini daha yaxşı təmsil edərkən kiçik məsamələrin ayırdetməsini itirə bilər.

Mənbə bu münasibəti resolution–representative elementary volume (REV) tradeoff kimi müzakirə edir. REV, müəyyən struktur və ya petrofiziki kəmiyyətin seçilmiş alt həcmdən həddən artıq asılı olmaqdan çıxıb qəbul edilə bilən dərəcədə sabitləşdiyi minimum təmsilçi həcmdir.

İlkin emal niyə neytral mərhələ deyil?

Xam tomoqrafiya və elektron mikroskopiyası təsvirlərində detector noise, ring artifact, beam hardening, bulanıqlıq, hərəkət və partial-volume təsirləri ola bilər. İlkin emal bu problemləri azalda bilər; lakin filtrləmə eyni zamanda incə məsamə boğazlarını silə, kiçik CO₂ klasterlərini yox edə, çat açıqlığını dəyişə və ya faza sərhədlərini yumşalda bilər.

Buna görə denoising, artifact correction, contrast enhancement, registration və intensity normalization kimi mərhələlərin parametrləri qeyd edilməli; seqmentasiyadan sonrakı fiziki nəticələrin məqbul parametr dəyişikliklərinə qarşı sabit olub-olmadığı yoxlanmalıdır.

Niyə Yüksək Dice və ya IoU Balı Təkbaşına Etibarlı CO₂ Saxlanma Modeli Demək Deyil?

Dice və IoU maskaların həcm üzrə sinif üst-üstə düşməsini ölçür, lakin səhvin geoloji şəbəkənin hansı nöqtəsində yarandığını göstərmir; buna görə çox az voxel ehtiva edən kritik məsamə boğazının, CO₂ snap-off boynunun və ya caprock çatının yanlış etiketlənməsi qlobal balı çox az dəyişdirdiyi halda keçiricilik, trapping və ya mümkün sızma yolu şərhini ciddi şəkildə dəyişə bilər.

Tənlik (1): Dice əmsalı

\[ Dice= \frac{2TP} {2TP+FP+FN} \tag{1} \]

• \(TP\): hədəf fazanı həqiqətən təmsil edən və düzgün təsnif edilmiş true-positive voxel sayı.
• \(FP\): əslində hədəf faza olmayan, lakin hədəf faza kimi təsnif edilmiş false-positive voxel sayı.
• \(FN\): hədəf fazaya aid olduğu halda başqa sinfə təyin edilmiş false-negative voxel sayı.

Dice 0 ilə 1 arasında dəyişir. 1-ə yaxınlaşması proqnozlaşdırılan maska ilə istinad maskası arasındakı sinif üst-üstə düşməsinin artdığını göstərir.

Lakin Dice səhvin məkan mövqeyini kodlaşdırmır. Məsələn, minlərlə düzgün voxel arasında yalnız bir neçə kritik throat voxelinin yanlış təsnif edilməsi qlobal Dice qiymətini çox az dəyişdirə bilər.

Tənlik (2): Intersection over Union — IoU

\[ IoU= \frac{TP} {TP+FP+FN} \tag{2} \]

IoU da 0–1 intervalındadır və proqnozlaşdırılan hədəf siniflə həqiqi hədəf sinfin kəsişməsini onların birləşməsinə nisbətləndirir.

Dice və IoU sinif dəqiqliyinin mühüm hissələridir; lakin topologiyanın, sərhəd mövqeyinin, məsamə bağlantısının və ya fiziki xüsusiyyət dəqiqliyinin birbaşa ölçüsü deyil.

Tənlik (3): Fiziki xüsusiyyət üçün mütləq nisbi faiz xətası

\[ \varepsilon_X = \frac{\left|X_{seg}-X_{ref}\right|} {\left|X_{ref}\right|} \times100\% \tag{3} \]

• \(\varepsilon_X\): X fiziki xüsusiyyətinin mütləq nisbi faiz xətası.
• \(X_{seg}\): seqmentasiya həndəsəsindən hesablanan xüsusiyyət.
• \(X_{ref}\): eksperimental olaraq ölçülmüş və ya qəbul edilmiş istinad qiyməti.

\(X\); məsaməlilik, keçiricilik, kapilyar təzyiq, qalıq CO₂ doyması, interfeys sahəsi, reaktiv səth sahəsi, çat açıqlığı, keçiricilik və ya elastik modul ola bilər.

Tənlik mütləq qiymətdən istifadə etdiyi üçün səhvin böyüklüyünü verir; çoxmu, yoxsa azmı proqnozlaşdırıldığını demir. Buna görə mənbə mühəndislik qərarında istiqamət vacibdirsə, signed bias məlumatının ayrıca bildirilməsini təklif edir.

Yeddiölçülü qiymətləndirmə çərçivəsi

Seqmentasiya üsullarının altı əsas ailəsi

Otsu threshold üsulu nə zaman müdafiə oluna bilər?

Global Otsu threshold histogramdakı iki sinif arasındakı variasiyanı maksimumlaşdıran intensity cutoff seçir. Mənbə yaxşı ayrılmış boz-səviyyə paylanmalarına malik təmiz və yüksək kontrastlı pore–solid təsvirlərində Otsu-nun sürətli və təkrarlana bilən başlanğıc üsulu olduğunu bildirir.

Faza intensivliklərinin üst-üstə düşməsi, variasiyaların fərqlənməsi, mineral heterogenliyi və ya partial-volume təsiri artdıqda tək global threshold sinifləri düzgün ayırmaya bilər. Bu halda adaptive/multilevel threshold, region əsaslı üsul və ya öyrənmə əsaslı yanaşma lazım ola bilər.

Watershed və region growing niyə diqqət tələb edir?

Watershed təsviri topoqrafik səth kimi qəbul edir və catchment basin sərhədləri vasitəsilə əlaqəli bölgələri ayırır. Toxunan dənələrin, məsamələrin və ya CO₂ ganglionlarının ayrılmasında faydalı ola bilər; lakin səs-küy və səth qeyri-müntəzəmlikləri çox sayda saxta minimum yaradaraq oversegmentation əmələ gətirə bilər.

Region growing isə seçilmiş seed nöqtələrindən oxşar voxellərə doğru böyüyür. Seed səhvdirsə erkən dayana və ya qonşu fazaya keçərək boundary leakage yarada bilər.

U-Net rəqəmsal süxur seqmentasiyasında niyə geniş yayılıb?

U-Net encoder–decoder tipli dərin öyrənmə arxitekturasıdır. Encoder convolution və pooling vasitəsilə geniş kontekstual xüsusiyyətləri çıxararkən decoder məkan ayırdetməsini yenidən qurur. Encoder və decoder səviyyələri arasındakı skip connection bağlantıları yüksək ayırdetməli lokal məlumatı decoder-ə daşıyır.

Bu quruluş incə pore throat, grain contact və microcrack sərhədlərinin qorunması baxımından dəyərlidir. Lakin yüksək global accuracy; azlıq sinfindəki gil, mikroməsamə və ya incə çatların düzgün seqmentasiya edildiyinə zəmanət vermir.

İkiölçülü təlimdə qonşu dilimlər arasındakı fiziki bağlantının tam təmsil olunmaması, üçölçülü təlimdə isə yüksək yaddaş tələbi və patch stitching təsirləri ayrıca problemlərdir.

Transformer və foundation modellər üçün mənbə niyə ehtiyatlıdır?

Transformer əsaslı modellər daha uzun məsafəli məkan əlaqələrini təmsil edə bilər; lakin icmal onların rəqəmsal süxur sahəsindəki sübutlarının U-Net ailəsinə nisbətən daha yeni və daha məhdud olduğunu bildirir.

Segment Anything Model (SAM) və DINOv2 kimi foundation modellər təbii təsvirlər üzərində əvvəlcədən təlimdən gəlir. Təbii təsvir sərhədləri ilə X-ray attenuation, partial-volume mixing və süxur daxilindəki topology-critical grayscale strukturlar eyni deyil.

Mənbə buna görə foundation modelləri avtomatik “geoloji ground truth” kimi deyil; proposal generator, feature initializer və ya few-shot adaptation aləti kimi qiymətləndirməyi və müstəqil geoloji/fiziki doğrulama aparılmasını təklif edir.

Geoloji CO₂ Saxlanması üçün Tək Bir “Ən Yaxşı” Seqmentasiya Alqoritmi Varmı?

Xeyr; icmal heç bir üsulu universal birinci kimi sıralamır və üsulun müdafiəolunanlığı litologiyadan, təsvir kontrastından, sinif mürəkkəbliyindən, etiket əlçatanlığından, hesablama büdcəsindən və seqmentasiyanın dəstəkləyəcəyi fiziki saxlanma kəmiyyətindən asılıdır.

CO₂–duzlu su seqmentasiyası niyə ayrıca çətindir?

Dinamik çoxfazalı təsvirlərdə iki problem eyni vaxtda meydana çıxır: faza kontrastı aşağı ola bilər və seqmentasiya zaman boyunca ardıcıl qalmalıdır.

Duzlu su və CO₂-nin X-ray attenuation qiymətləri bəzi şəraitlərdə bir-birinə yaxınlaşa bilər. Contrast agent istifadəsi fazaların ayrılmasını artıra bilər; lakin istifadə olunan maddənin təsvirə və axın davranışına təsiri təcrübə şəraitində ayrıca qiymətləndirilməlidir.

Zaman sıralarında frame-to-frame mask dəyişməsinin həqiqi maye hərəkəti, yoxsa seqmentasiya qeyri-sabitliyi olduğu ayırd edilməlidir. Çünki kiçik voxel fərqi ayrı CO₂ ganglionlarını birləşdirə və ya snap-off boynunu aradan qaldıra bilər.

Mənbədə təqdim olunan Chai və həmkarlarının nümunəsində, 58 saatlıq statik intervaldan sonra yenidən başlayan brine axını ilə CO₂ saturation qiyməti %22,8-dən %15,6-ya düşmüşdür. Mənbə bunun fiziki remobilization/Ostwald ripening müşahidəsi olduğunu; alqoritmlərarası seqmentasiya qeyri-müəyyənliyi və ya sahə containment nəticəsi olmadığını xüsusi vurğulayır.

Çat seqmentasiyası containment üçün niyə həssasdır?

Çatın səhvən “açıq” və ya “qapalı” şərh edilməsi yalnız vizual xəta deyil; hesablanan transmissivity və mümkün axın yolu üzərində birbaşa təsir göstərə bilər.

Mənbədə müzakirə olunan Deng və həmkarlarının tədqiqatında CO₂-acidified brine təsirinə məruz qalmış təbii karbonat caprock-dakı pozulmuş zonaların açıq çat və ya keçirimsiz süxur qəbul edilməsi hesablanan transmissivity qiymətlərində təxminən 2–4 qat fərq yaratmışdır.

Lakin bunlar bounding single-phase simulations nəticələridir; müvafiq tədqiqatda eksperimental permeability ölçümü yoxdur. Buna görə bu rəqəm “həqiqi caprock sızması 2–4 qat dəyişir” formasında ümumiləşdirilə bilməz.

Seqmentasiya qeyri-müəyyənliyinin üç əsas mənbəyi

Tənlik (4): Predictive entropy

\[ H(x) = -\sum_{c=1}^{C} p_c(x)\ln p_c(x) \tag{4} \]

• \(H(x)\): x voxelinin sinif təyinatındakı predictive entropy.
• \(C\): ümumi seqmentasiya siniflərinin sayı.
• \(p_c(x)\): x voxelinin c sinfinə aid olmasının proqnoz ehtimalı.
• \(\ln\): təbii loqarifm.

\(H(x)\) nats vahidində ifadə olunur. \(C\geq2\) üçün:

\[ \frac{H(x)}{\ln C} \]

ifadəsi 0–1 intervalında ölçüsüz normallaşdırılmış entropy yaradır.

Yüksək entropy sinif təyinatının daha qeyri-müəyyən olduğunu, aşağı entropy isə modelin daha yüksək etibar bildirdiyini göstərir. Lakin mənbə mühüm xəbərdarlıq edir: aşağı entropy düzgün təsnifat zəmanəti deyil. Domain xaricində olan təsvirdə həddən artıq əmin şəbəkə yanlış etiketə aşağı entropy verə bilər. Buna görə uncertainty qiyməti müşahidə olunan xətalarla kalibrlənməlidir.

Epistemik və aleatorik qeyri-müəyyənlik arasındakı fərq

Epistemik qeyri-müəyyənlik, modelin məhdud məlumat və təlim əhatəsindən qaynaqlanır. Daha müxtəlif təlim məlumatları, domain adaptation və ya ensemble kimi üsullarla azaldıla bilər.

Aleatorik qeyri-müəyyənlik, təsvirin özündə olan ayırdetmə, faza üst-üstə düşməsi, noise və ya partial-volume kimi daxili qeyri-müəyyənliklərdən qaynaqlanır. Modelin daha çox öyrədilməsi bu məlumatı təsvirdə yoxdan yarada bilməz; daha yaxşı acquisition, multimodal imaging və ya probabilistic phase assignment tələb oluna bilər.

Seqmentasiya Qeyri-Müəyyənliyi CO₂ Saxlanma Qərarlarına Necə Yayılır?

Seqmentasiya qeyri-müəyyənliyi əvvəlcə məsamə və faza həndəsəsini dəyişdirir; bu dəyişiklik keçiricilik, kapilyar təzyiq, qalıq doyma, reaktiv səth və ya mexaniki fasiləsizlik kimi fiziki xüsusiyyətlərə ötürülür və geoloji miqyas böyütmə ilə layihə məlumatları əlavə edildikdə tutum, inyeksiya, trapping və containment qərarlarına şərti şəkildə təsir göstərə bilər.

Tənlik (5): Alternativ seqmentasiyaların eyni fizika modeli ilə yayılması

\[ X^{(n)} = F\left(S^{(n)}\right), \qquad n=1,\ldots,N \tag{5} \]

• \(S^{(n)}\): n-ci məqbul seqmentasiya realizasiyası.
• \(F\): hər realizasiyaya eyni şəkildə tətbiq olunan fiziki operator/həlledici.
• \(X^{(n)}\): həmin həndəsədən hesablanan fiziki xüsusiyyət.
• \(N\): ensemble daxilindəki seqmentasiyaların sayı.

Bu yanaşmanın kritik məqamı yalnız hər property üçün müstəqil min–max qiymətlərini qarışdırmaq əvəzinə eyni həndəsə realizasiyasından birlikdə alınan fiziki xüsusiyyətlərin qorunmasıdır.

Nəticədə tək bir \(X\) əvəzinə:

• orta qiymət,
• quantile,
• threshold exceedance probability,
• asimmetrik və ya non-normal tail

kimi paylanma xüsusiyyətləri araşdırıla bilər. Lakin bu paylanmanın etibarlılığı seqmentasiya ensemble-ının necə yaradıldığına və kalibrləndiyinə bağlıdır.

Seqmentasiya xətasının saxlanma kəmiyyətlərinə nümunə təsirləri

Müstəqil fiziki doğrulama niyə məcburidir?

Təbii süxur təsvirlərində voxel səviyyəsində qüsursuz ground truth çox vaxt mövcud deyil. Helium porosity və ya mercury-injection capillary pressure kimi bulk ölçmələr bütöv nümunənin fiziki xüsusiyyətini sınaya bilər; lakin ayrı-ayrı voxellərin düzgün təsnif edildiyini göstərmir.

Məsələn, seqmentasiya ümumi porosity qiymətini düzgün verə bilər, lakin bir bölgədə artıq məsamə, başqa bölgədə əskik məsamə yaradaraq ümumi qiymətdə xətaları bir-birinə kompensasiya etdirə bilər. Bu halda global porosity düzgün göründüyü halda permeability səhv ola bilər.

Mənbə buna görə complementary validation təklif edir: porosity, permeability və capillary pressure kimi birdən çox fiziki kəmiyyət mümkün qədər birlikdə yoxlanmalıdır.

Bundan əlavə calibration ilə validation ayrılmalıdır. Threshold seçmək üçün istifadə olunan porosity ölçümü həmin threshold-u müstəqil şəkildə doğrulayan məlumat sayıla bilməz.

Auditability — yoxlanıla bilən iş axını nə tələb edir?

Mənbə hər fiziki nəticənin daimi sample identifier və versioned processing record ilə əlaqələndirilməsini təklif edir.

Qeydə alınmalı olanlar arasında:

• xam və ya itkisiz yenidən qurulmuş təsvirlər,
• voxel size, orientation və region of interest,
• preprocessing parametrləri,
• etiket tərifləri və annotator qərarları,
• sample-level train/tuning/test partition,
• kod və proqram versiyası,
• şəbəkə çəkiləri və random seed,
• postprocessing parametrləri,
• fiziki solver parametrləri,
• manuel override mövqeyi, səbəbi və əvvəl/sonra etiketləri

olmalıdır.

Tənlik (6): Property Impact Index

Mənbə gələcəkdə sınaqdan keçirilmək üçün transition-specific bir Property Impact Index təklif edir:

\[ I_X(x;a\rightarrow b\mid S) = \frac{H(x)}{\ln C} \, \frac{ \left| F\left(S(x:a\rightarrow b)\right)-F(S) \right| } {X_{scale}} \tag{6} \]

• \(S\): başlanğıc seqmentasiya.
• \(x\): qiymətləndirilən voxel.
• \(a\): voxelin mövcud sinfi.
• \(b\): icazə verilən alternativ sinif.
• \(S(x:a\rightarrow b)\): yalnız x voxelinin a sinfindən b sinfinə dəyişdirildiyi həndəsə.
• \(F\): eyni fiziki operator.
• \(H(x)/\ln C\): normallaşdırılmış predictive entropy.
• \(X_{scale}\): bütün müqayisələrdə sabit saxlanılan müsbət fiziki xüsusiyyət istinad miqyası.

Birinci vuruq voxelin nə qədər qeyri-müəyyən olduğunu, ikinci vuruq isə həmin etiket dəyişikliyinin fiziki property üzərində nə qədər təsirli olduğunu ölçür. Beləliklə, yüksək qeyri-müəyyənliyə malik, lakin fiziki baxımdan əhəmiyyətsiz voxel ilə orta dərəcədə qeyri-müəyyən, lakin kritik throat üzərində yerləşən voxel eyni qəbul edilmir.

İndeks ölçüsüzdür, lakin failure probability deyil.

Mənbə həmçinin tək-voxel dəyişikliyinin bütün topoloji qarşılıqlı təsirləri tuta bilməyəcəyini; correlated boundary error və ya multi-voxel bridge problemi olduqda regional perturbation istifadə edilməli olduğunu bildirir.

Tənlik (6)-nın mənbədəki fərziyyəvi nümunəsi

Məqalə yalnız hesablamanı göstərmək üçün aşağıdakı tamamilə fərziyyəvi nümunəni verir:

• İki maska üçün Dice = 0,96.
• Kritik throat-dakı qeyri-müəyyən voxel üçün \(H=0,65\) nats.
• Binary tapşırıq: \(C=2\).
• Voxel pore olduqda permeability = 120 mD.
• Voxel solid olduqda permeability = 35 mD.
• \(X_{scale}=120\) mD.

Normallaşdırılmış fiziki dəyişiklik:

\[ \frac{|120-35|}{120} = 0.7083 \]

Normallaşdırılmış entropy:

\[ \frac{0.65}{\ln 2} = 0.9378 \]

Beləliklə:

\[ I = 0.9378\times0.7083 \approx0.66 \]

Nümunədə fərziyyəvi 80 mD screening threshold da aşılır. Lakin mənbə bu rəqəmlərin ölçmə, indeks doğrulaması və ya həqiqi saxlanma sahəsi üzrə qəbul/rədd qərarı olmadığını açıq şəkildə bildirir.

Tənlik (7): Ümumi expected-loss ifadəsi

\[ R(d) = \sum_{j=1}^{J} P(F_j\mid d,D)\,C_j \tag{7} \]

• \(R(d)\): d qərarının expected risk / expected loss qiyməti.
• \(F_j\): j-ci failure mode.
• \(P(F_j\mid d,D)\): d qərarı və D mövcud sübutu altında j failure mode ehtimalı.
• \(C_j\): bu failure mode-un nəticəsi/xərci.
• \(J\): nəzərdən keçirilən failure mode sayı.

Mənbə mümkün nəticələr arasında əlavə təsvirləmə və ya core analysis, lazımsız hesablama, az istifadə olunan saxlanma tutumu, həddən artıq inyeksiya təzyiqi, completion redesign, monitoring yükü, regulatory delay və containment/safety exposure kimi nümunələr verir.

Tənlik (7) doğrulanmış yeni iqtisadi model deyil. Layihəyə xas failure probability və consequence qiymətləri bu icmalda kalibrlənməyib və yalnız Dice və ya voxel entropy-dən çıxarıla bilməz.

Fizika seqmentasiyanı necə sınaqdan keçirə bilər?

Mənbə fiziki tənliklərin iki fərqli rolda istifadə oluna biləcəyini ayırır:

1. Fiziki məhdudiyyət birbaşa təlim itkisinə daxil edilirsə, seqmentasiya modelinə təsir göstərə bilər.
2. Fizika seqmentasiyadan sonra tətbiq olunursa, seqmentasiya alqoritmi deyil, physical validation və ya property-sensitive test rolunu oynayır.

Tənlik (8): Ümumi fizika-məlumatlı kompozit itki

\[ L_{total} = \lambda_{data}L_{data} + \lambda_{phys}L_{phys} + \lambda_{BC}L_{BC} \tag{8} \]

• \(L_{data}\): etiket və ya müşahidə məlumatına uyğunsuzluq itkisi.
• \(L_{phys}\): governing equation və ya fiziki məhdudiyyət pozuntusu cəzası.
• \(L_{BC}\): boundary condition pozuntusu cəzası.
• \(\lambda_{data}\), \(\lambda_{phys}\), \(\lambda_{BC}\): üç itki komponentinin nisbi çəkiləri.

Bu tənlik mənbədə generic composite objective kimi verilir; konkret yeni seqmentasiya şəbəkəsinin doğrulanmış itki funksiyası deyil.

Tənlik (9) və (10): Həll olunmuş məsamə fəzasında stationary Stokes axını

\[ -\nabla p+\mu\nabla^2\mathbf{u}=0 \tag{9} \]

\[ \nabla\cdot\mathbf{u}=0 \tag{10} \]

• \(\mathbf{u}\): sürət vektoru.
• \(p\): təzyiq.
• \(\mu\): dinamik özlülük.
• \(\nabla p\): təzyiq qradiyenti.
• \(\nabla^2\mathbf{u}\): özlü impuls yayılmasını təmsil edən Laplacian termini.

Tənlik (10) həll olunmuş axın sahəsində incompressible şərtini ifadə edir. Mənbə bu Stokes tənliklərini pore-scale həndəsəni permeability kimi fiziki xüsusiyyətlə sınaqdan keçirmək üçün nümunə kimi istifadə edir.

Tənlik (11): Axından mütləq keçiricilik

\[ K = \frac{\mu QL} {A\Delta p} \tag{11} \]

• \(K\): mütləq permeability.
• \(\mu\): dinamik özlülük.
• \(Q\): həcmli axın sərfi.
• \(L\): nümunənin axın istiqamətində uzunluğu.
• \(A\): kəsik sahəsi.
• \(\Delta p\): nümunə boyunca təzyiq fərqi.

Tənliyin mühüm rolu budur: iki seqmentasiya eyni Dice balına malik olsa belə, onlardan biri axın üçün kritik throat-u bağlayırsa eyni təzyiq sərhədlərində fərqli \(Q\) və nəticədə fərqli \(K\) yarada bilər.

Buna görə permeability hesablaması seqmentasiya həndəsəsinin topoloji dəqiqliyinə həssas validation aləti ola bilər.

Tənlik (12): Stokes–Brinkman yanaşması

\[ -\nabla p + \mu_{eff}\nabla^2\mathbf{u} - \frac{\mu}{K_m}\mathbf{u} = 0 \tag{12} \]

• \(\mu_{eff}\): effektiv özlülük.
• \(K_m\): həll olunmayan microporous fazaya təyin edilmiş effektiv permeability.

Bu tənlik tam açıq məsamə kimi həll edilən Stokes bölgəsi ilə təsvir ayırdetməsindən aşağıda qalan və yalnız effektiv permeability ilə təmsil edilə bilən microporous material arasında continuum körpüsü yaradır.

Mənbə bunun “təsvirdə olmayan strukturu dəqiq şəkildə bərpa etmə” üsulu olmadığını vurğulayır. \(K_m\) kimi effektiv xüsusiyyətlər müstəqil məlumatla məhdudlaşdırılmalı və ya kalibrlənməlidir.

Tədqiqatın Metodu və Nəticələri

İcmal dizaynı

Məqalə özünü structured critical review kimi müəyyən edir. Tədqiqat 154 istinaddan empirik araşdırmalar, metodologiya məqalələri, icmallar, siyasət hesabatları və məlumat mənbələri kimi istifadə edir.

Mənbələr üç əsas elmi sübut səviyyəsinə ayrılmışdır:

Tier səviyyəsi metodoloji keyfiyyət balı deyil. Yalnız mənbə sübutunun geoloji CO₂ saxlanması probleminə nə qədər birbaşa bağlı olduğunu təsnif edir.

Mənbəyə çıxış vəziyyəti

Cəmi 49 giriş abstract və ya metadata səviyyəsində qalır. Bundan əlavə 64 girişdə ən az bir məlumat sahəsi “not verified” kimi işarələnib. Mənbə “not verified” ifadəsini çıxış və ya extraction boşluğu; “not reported” ifadəsini isə nəzərdən keçirilmiş mənbədə məlumatın bildirilməməsi üçün istifadə edir.

Axtarış və skrininq axını

Digər 574 potensial namizəd tam mətn qiymətləndirməsinə alınmadan namizəd hovuzunda saxlanmışdır.

İlk Scopus skrininqi və sübut çıxarışında süni intellekt dəstəyi istifadə olunmuşdur. Daha sonra müəlliflərdən birinin CSV qeydlərini kodla işlədiyi ikinci skrininq aparılmış, nəticələr manual olaraq yoxlanmış və yekun tədqiqat seçimlərini əhəmiyyətli şəkildə dəyişdirən uyğunsuzluq olmadığı bildirilib.

Axtarış prospektiv şəkildə qeydiyyata alınmayıb. Tarixi retrieval loglarının bir hissəsi natamamdır və Scopus sorğusundakı məcburi CO₂ termini, CO₂-dən kənarda hazırlanmış, lakin seqmentasiya baxımından köçürülə bilən bəzi üsulları qaçıra bilər.

Niyə meta-analiz və ya universal alqoritm sıralaması aparılmadı?

Mənbələr:

• litologiya,
• voxel size,
• phase count,
• class balance,
• annotation,
• training/test partition,
• metric tərifi,
• fiziki solver

baxımından bir-birindən fərqlənir.

Buna görə müxtəlif tədqiqatlardakı Dice və ya permeability error qiymətlərini bir hovuzda birləşdirərək “alqoritm X ümumilikdə Y-dən %Z daha yaxşıdır” nəticəsinə gəlmək elmi cəhətdən müdafiə oluna bilməz.

Mənbə üstünlük iddiasının yalnız eyni təsvirlər, eyni istinad etiketləri, eyni train/test bölgüsü və oxşar tuning büdcəsi altında aparılmış nəzarətli müqayisələrdə güclü olduğunu bildirir.

Seqmentasiyanın təsirinə dair birbaşa nümunələr

Tədqiqatın dəstəklədiyi nəticələr

• Geoloji CO₂ saxlanmasında seqmentasiya sadəcə təsvir emalı mərhələsi deyil, fiziki ölçmə modelinin bir hissəsidir.
• Yüksək təsvir üst-üstə düşmə metriyi təkbaşına fiziki dəqiqliyə zəmanət vermir.
• Topoloji xətalar qlobal maska metriklərinə nisbətən qeyri-mütənasib fiziki nəticələr yarada bilər.
• Üsul seçimi saxlanma tapşırığına və litologiyaya görə edilməlidir.
• Klassik üsullar bəzi təmiz, yüksək kontrastlı binary tapşırıqlarda müdafiə oluna bilən olaraq qalır.
• Dərin öyrənmə xüsusilə heterogen tekstura, incə struktur və ya zaman konteksti tələb edən tapşırıqlarda faydalı ola bilər.
• Daha mürəkkəb şəbəkə arxitekturası avtomatik olaraq daha etibarlı saxlanma xarakteristikası demək deyil.
• Seqmentasiya qeyri-müəyyənliyinin fiziki solver üzərindən ensemble kimi yayılması tək üstün tutulan maskaya nisbətən daha məlumatlandırıcı ola bilər.
• Müstəqil laboratoriya ölçmələri və topologiya/property yoxlamaları overlap metriyinə əlavə edilməlidir.
• İş axını məlumat, model, seed, proqram təminatı və manual düzəliş səviyyəsində yoxlanıla bilən olmalıdır.

Tədqiqatın dəstəkləmədiyi nəticələr

• Tək universal ən yaxşı seqmentasiya alqoritmi müəyyən edilməyib.
• U-Net, transformer və ya foundation model hər litologiyada klassik üsullardan üstün elan edilmir.
• Yüksək Dice və ya IoU təhlükəsiz CO₂ saxlanmasına zəmanət deyil.
• Seqmentasiya maskasındakı faiz xətası sahə tutumunda birbaşa eyni faiz xətasına bərabərləşdirilə bilməz.
• Kiçik təsvir həcmində görülən connected fracture birbaşa sahə miqyasında leakage yolu olduğunu sübut etmir.
• Property Impact Index əməliyyat baxımından doğrulanmış risk metriyi deyil.
• Expected-loss tənliyi layihə xərc modeli kimi kalibrlənməyib.
• Foundation model çıxışı avtomatik ground truth deyil.
• Bu review yeni fiziki flow simulation, trained segmentation network və ya sahə təcrübəsi yaratmayıb.
• Seqmentasiyanın tənzimləyici etibarı və ya ictimai qəbulu artırdığı bu tədqiqatda ölçülməyib.

Açıq benchmark üçün təklif olunan quruluş

Mənbə gələcək CO₂ saxlanma benchmark-larının aşağıdakı elementləri birləşdirməsini təklif edir:

• sandstone, carbonate, shale, caprock və fractured rock,
• micro-CT, synchrotron, SEM və FIB-SEM,
• birdən çox spatial resolution,
• təkrarlanan expert label və ya probabilistic reference map,
• ölçülmüş porosity, permeability, capillary pressure, residual saturation, mineralogy və ya mechanical property,
• dinamik məlumat üçün registered dry, brine-saturated və CO₂-containing volumes,
• sənədləşdirilmiş pressure və temperature,
• sample-level training, validation və hidden test partition.

Təklif olunan gələcək rəqəmsal süxur ekosistemi

Mənbənin gələcək iş axını altı əsas mərhələdə ümumiləşdirilə bilər:

1. Multiscale və multimodal məlumat əldə edilməsi.
2. Automated preprocessing və keyfiyyət standartlaşdırması.
3. Uncertainty-aware deep learning segmentation.
4. Physics-constrained simulation və ensemble propagation.
5. Automated, lakin müstəqil fiziki validation.
6. Upscaling, conditional engineering decision və gələcəkdə digital-twin inteqrasiyası.

Müəlliflər Figure 6-dakı digital-twin və avtomatlaşdırma elementlərinin təklif olunan tədqiqat çərçivəsi olduğunu; avtonom istismar və ya sahə performansının doğrulanmadığını açıq şəkildə bildirirlər.

Son elmi nəticə

Geoloji CO₂ saxlanmasında etibarlı seqmentasiyanın məqsədi “ən gözəl maska” və ya “ən yüksək Dice” yaratmaq deyil. Əsas məqsəd saxlanma qərarında kritik fiziki strukturların və qeyri-müəyyənliklərin izlənilə bilən şəkildə qorunmasıdır.

Buna görə mənbə aşağıdakı zənciri müdafiə edir:

təsvir dəqiqliyi → həndəsə dəqiqliyi → fiziki xüsusiyyət dəqiqliyi → qeyri-müəyyənliyin yayılması → şərti mühəndislik qərarı.

Zəncirin hər hansı mərhələsində doğrulama çatışmırsa, sonrakı mərhələyə aid dəqiqlik iddiası avtomatik olaraq güclənmir.

Mənbə və Metod Qeydi

Orijinal tədqiqat: Digital Rock Segmentation with Uncertainty Quantification for Geological CO2 Storage: From Image Accuracy to Carbon Storage Reliability

Müəlliflər və sıra: William Apau Marfo; William Ampomah; Hamid Rahnema; Carlos Ronaldo Oliva; Godsway Akpabli; Kwamena Opoku Duartey; Elizabeth Akonobea Appiah; Sylvester Agyei; Jacqueline Margaret Adjimah.

Bərabər töhfə/bərabər birinci müəllif: Mənbədə bərabər birinci müəllif və ya bərabər töhfə bəyanatı yoxdur.

Məsul müəllif: Kwamena Opoku Duartey.

Qurum 1: Department of Petroleum and Natural Gas Engineering, New Mexico Institute of Mining and Technology (New Mexico Tech), Socorro, NM 87801, USA.

Qurum 2: Petroleum Recovery Research Center (PRRC), New Mexico Institute of Mining and Technology (New Mexico Tech), Socorro, NM 87801, USA.

Qurum 3: Department of Petroleum Engineering, University of Houston, Houston, TX 77204, USA.

Jurnal: Advances in Carbon Neutrality.

Nəşriyyat: MDPI.

İl / cild / nömrə / məqalə nömrəsi: 2026; 1(2); 6.

DOI: 10.3390/acn1020006.

Rəsmi keçid: https://doi.org/10.3390/acn1020006

Göndərilmə tarixi: 12 avqust 2026.

Reviziya tarixi: 24 sentyabr 2026.

Qəbul tarixi: 28 sentyabr 2026.

Nəşr tarixi: 1 oktyabr 2026.

Mənbə növü: Review; structured critical review.

Rəyçilik vəziyyəti: Rəyli elmi jurnalda dərc olunmuş version of record.

Lisenziya: Creative Commons Attribution (CC BY).

Mənbə sayı: 154.

Sübut inventarı: 132 evidence entry və 22 contextual entry.

Sübut səviyyələri: 16 Tier A, 92 Tier B, 24 Tier C, 22 Context.

Mənbəyə çıxış əsası: 67 full text, 42 abstract, 16 abstract + partial excerpt, 7 metadata. Mənbə 49 girişin abstract və ya metadata əsaslı olduğunu və 64 girişdə ən az bir “not verified” sahə olduğunu bildirir.

Meta-analiz vəziyyəti: Pooled meta-analysis aparılmayıb. Heterogen litologiya, voxel size, phase count, annotation, məlumat bölgüsü, metrik və solver şərtlərinə görə universal alqoritm sıralaması aparılmır.

Mərkəzi qiymətləndirmə çərçivəsi: voxel/sinif dəqiqliyi, sərhəd sədaqəti, topologiya, morfologiya, kalibrlənmiş qeyri-müəyyənlik, fiziki xüsusiyyət həssaslığı və mühəndislik qərarının nəticəsi.

Əsas üsul ailələri: threshold, edge, region, clustering/unsupervised ML, supervised ML, deep learning; əlavə olaraq transformer, attention və foundation model yanaşmaları ayrıca müzakirə olunur.

Maliyyələşdirmə: U.S. Department of Energy, Office of Fossil Energy and Carbon Management, grant DE-FE0032363.

İnstitusional etika komitəsi: Tətbiq edilmir.

Məlumatlandırılmış razılıq: Tətbiq edilmir.

Məlumatların əlçatanlığı: İcmal yeni rock-imaging dataset, fiziki flow simulation və ya trained segmentation model yaratmayıb. Evidence inventory və Scopus screening qeydləri Supplementary Materials S1 və S2-də təqdim olunur.

Müəllif töhfələri: Konseptuallaşdırma William Apau Marfo; araşdırma Carlos Ronaldo Oliva; ilkin qaralama William Apau Marfo və Carlos Ronaldo Oliva; nəzərdən keçirmə/redaktə William Apau Marfo, Carlos Ronaldo Oliva, Godsway Akpabli, Kwamena Opoku Duartey, Elizabeth Akonobea Appiah, Sylvester Agyei və Jacqueline Margaret Adjimah; superviziya William Ampomah və Hamid Rahnema tərəfindən bildirilib.

Süni intellektdən istifadə bəyanatı: Müəlliflər OpenAI-nin ChatGPT daxilindəki image-generation/editing alətinin məqalədəki altı konseptual şəklin yaradılmasına, yaxşılaşdırılmasına və vizual redaktəsinə kömək etmək üçün istifadə edildiyini bildirirlər. İlk Scopus screening və evidence extraction mərhələlərində də AI dəstəyi istifadə olunmuş; seçimlər ikinci kod əsaslı skrininq və manual baxışla yoxlanmışdır. Müəlliflər yekun məzmun üçün məsuliyyəti öz üzərlərinə götürüblər.

Maraqlar toqquşması: Müəlliflər maraqlar toqquşması olmadığını bildiriblər; maliyyələşdirənin icmal dizaynında, ədəbiyyatın toplanması/şərhində, yazıda və ya nəşr qərarında rolunun olmadığı qeyd edilib.

Tənlik (6) qeydi: Property Impact Index bu icmalın təklif etdiyi tədqiqat istiqamətidir; doğrulanmış əməliyyat seqmentasiyası və ya risk metriyi deyil. Mənbədəki 0,96 Dice, 120/35 mD və təxminən 0,66 nümunəsi fərziyyəvi hesablama nümayişidir.

Tənlik (7) qeydi: Expected-loss ifadəsi generic tədqiqat çərçivəsidir; layihəyə xas failure probability və ya iqtisadi consequence kalibrasiyası aparılmayıb.

Şəkil qeydi: Mənbədəki altı əsas şəkil konseptual sintezlərdir və yeni eksperimental ölçmə, benchmark nəticəsi və ya doğrulanmış axın simulyasiyası deyil.

Əsas şərh sərhədi: Seqmentasiyadan qaynaqlanan pore-scale qeyri-müəyyənliyi birbaşa sahə tutumuna, plume davranışına və ya containment ehtimalına bərabərləşdirmək mümkün deyil. Formasiya miqyası üçün geoloji nümunələmə, upscaling, reservoir/fluid/geomechanical modellər və əməliyyat şərtləri ayrıca tələb olunur.