Санариптик тоо тектеринин физикасы — Digital Rock Physics (DRP) тоо тектеринин үч өлчөмдүү сүрөттөрүн сандык физикалык моделдер менен бириктирип, көңдөй түзүлүшү, агым жана ташылуу касиеттери сыяктуу чоңдуктарды изилдеген тоо тектерин мүнөздөө ыкмасы. Бул ыкмада сүрөттү сегментациялоо үзгүлтүксүз боз-деңгээлдүү сүрөттү көңдөй, катуу матрица, минерал, жарака, туздуу суу жана CO₂ сыяктуу өзүнчө класстарга айланткан өлчөө баскычы болуп саналат. Каралган түзүмдөлгөн сынчыл сереп сегментация ыкмаларын сүрөт окшоштугунун упайлары боюнча гана эмес, геологиялык CO₂ сактоодо сыйымдуулук, инъекциялануучулук, калдык кармалып калуу, реактивдүү өзгөрүү жана containment баалоосу үчүн ишенимдүү кириш маалымат бере алабы деген негизде карайт.

Макаланын негизги жыйынтыгы — сүрөттүн тактыгы менен сактоонун ишенимдүүлүгү бир эле нерсе эмес. Эки сегментация маскасы визуалдык жактан бири-бирине абдан окшош болуп, окшош Dice же Intersection over Union (IoU) маанилерин бере алат; бирок маанилүү көңдөй мойнунун туура эмес жабылышы, өзүнчө CO₂ ganglionдорунун бириктирилиши, микрокөңдөйлүүлүктүн катуу фаза катары белгилениши же чыныгы эмес жарака байланышынын түзүлүшү өткөрүмдүүлүк, байланышкан көңдөйлүүлүк, калдык CO₂ каныгуусу, реактивдүү бет аянты жана мүмкүн болгон агып чыгуу жолу боюнча божомолдорду өзгөртүшү мүмкүн.

Сереп классикалык threshold, edge жана region ыкмаларынан кластерлештирүү, көзөмөлдөнгөн машиналык үйрөнүү, CNN/U-Net негизиндеги терең үйрөнүү, attention/transformer моделдери жана foundation model ыкмаларына чейин кеңири ыкмалар тобун баалайт. Авторлордун жыйынтыгы боюнча геологиялык CO₂ сактоо үчүн бардык жерде эң жакшы болгон сегментация алгоритми жок. Эң негиздүү ыкма литологияга, сүрөттүн сапатына, фаза контрастына, класстардын санына, жеткиликтүү белгилерге, эсептөө ресурстарына жана сегментация кайсы физикалык сактоо чоңдугун колдой турганына жараша өзгөрөт.

Изилдөө сегментация сапатын жети өлчөм боюнча баалаган алкакты сунуштайт: класс/voxel тактыгы, чек аранын так сакталышы, топология, морфология, калибрленген белгисиздик, физикалык касиеттин сезгичтиги жана инженердик чечимге таасири. Ошентип, “маска эталондук сүрөткө канчалык окшош?” деген суроого кошумча “туура эмес voxel кайда?”, “көңдөй тармагы дагы эле байланышканбы?”, “permeability канчалык өзгөрдү?” жана “бул ката талаадагы чечимди өзгөртө алабы?” деген суроолор да сапатты көзөмөлдөөнүн бөлүгүнө айланат.

Макала ошондой эле сегментацияны бир гана детерминисттик маска катары эмес, мүмкүн болсо бири-биринен айырмаланган, бирок негиздүү сегментация реализацияларынын жыйындысы катары кароону сунуштайт. Бул реализациялар бир эле физикалык чечүүчүгө берилгенде өткөрүмдүүлүк, капиллярдык басым, калдык CO₂ каныгуусу же башка касиеттер үчүн бир сан ордуна бөлүштүрүүлөр алынат.

Түшүндүрмөнүн чеги: изилдөө жаңы тоо тек сүрөттөө эксперименттеринин топтомун, жаңы үйрөтүлгөн сегментация моделин же талаа масштабындагы CO₂ сактоону ырастоону сунуштабайт. Макаланын алты негизги сүрөтү концептуалдык синтездер. Сегментациянын жакшыраак талаа тандоого, инъекция дизайнына же мониторинг чечимдерине салымы мүмкүн болгон долбоор деңгээлиндеги натыйжалар; алар ишке ашышы үчүн геологиялык масштабга көтөрүү жана долбоорго мүнөздүү ырастоо талап кылынат.

Геологиялык CO₂ сактоодо санариптик тоо тек маселеси эмне үчүн маанилүү?

Геологиялык CO₂ сактоодо жалпы көңдөй көлөмүн гана билүү жетишсиз. Сакталуучулук көңдөйлөрдүн бири-бири менен байланышкан-башланышпаганына, агым жолдорунун үзгүлтүксүздүгүнө, кирүү мойнуна, капиллярдык жүрүм-турумга, жаракалар системасына, минерал–суюктук реакцияларына, басым байланышына жана формациянын герметикалуулугуна көз каранды.

Санариптик тоо тектеринин физикасы бул майда масштабдагы түзүлүштөрдү micro-computed tomography (micro-CT), synchrotron tomography, nano-CT, scanning electron microscopy (SEM), backscattered electron imaging (BSE) жана focused ion beam–SEM (FIB-SEM) сыяктуу сүрөттөө ыкмалары менен байкай алат. Бирок физикалык симуляция иштеши үчүн боз-деңгээлдүү сүрөттөгү ар бир voxel же сүрөт элементи кайсы фазага тиешелүү экени аныкталышы керек.

Ошондуктан сегментация жөн гана “сүрөттү тазалап, боёо” процесси эмес. Сегментация маскасы:

• жалпы жана байланышкан көңдөй көлөмүн,
• көңдөй мойнунун геометриясын,
• агым жолдорун,
• CO₂–туздуу суу интерфейстерин,
• реактивдүү минерал беттерин,
• жараканын ачылышын жана үзгүлтүксүздүгүн,
• жүк көтөргөн катуу скелетти

аныктаган сандык геометриянын өзү болуп саналат.

Сүрөттөө ыкмасын тандоо эмне үчүн чечилиштен гана турбайт?

Жогорку мейкиндиктик чечилиш майда көңдөйлөрдү, ичке мойнуларды жана минерал чек араларын жакшыраак көрсөтө алат; бирок жогорку чечилиштеги сүрөт адатта кичирээк үлгү көлөмүн камтыйт. Чоңураак сүрөт көлөмү тоо тек гетерогендүүлүгүн жакшыраак көрсөтөт, бирок майда көңдөйлөрдүн чечилишин жоготушу мүмкүн.

Булак бул мамилени resolution–representative elementary volume (REV) tradeoff катары талкуулайт. REV — белгилүү бир түзүмдүк же петрофизикалык чоңдук тандалган кичи көлөмгө ашыкча көз каранды болбой, кабыл алынарлык деңгээлде туруктуу боло баштаган минималдуу өкүлчүлүк көлөм.

Алдын ала иштетүү эмне үчүн нейтралдуу баскыч эмес?

Чийки томография жана электрондук микроскопия сүрөттөрүндө detector noise, ring artifact, beam hardening, бүдөмүктүк, кыймыл жана partial-volume таасирлери болушу мүмкүн. Алдын ала иштетүү бул көйгөйлөрдү азайтышы мүмкүн; бирок чыпкалоо ошол эле учурда ичке көңдөй мойнуларын өчүрүп, майда CO₂ топторун жок кылып, жарака ачылышын өзгөртүп же фаза чек араларын жумшартышы мүмкүн.

Ошондуктан denoising, artifact correction, contrast enhancement, registration жана intensity normalization сыяктуу кадамдардын параметрлери катталып, сегментациядан кийинки физикалык натыйжалар негиздүү параметр өзгөрүүлөрүнө туруктуубу-жокпу текшерилиши керек.

Эмне Үчүн Жогорку Dice же IoU Упайы Өзү Гана Ишенимдүү CO₂ Сактоо Моделин Билдирбейт?

Dice жана IoU маскалардын көлөмдүк класс дал келишин өлчөйт, бирок ката геологиялык тармактын кайсы жеринде пайда болгонун көрсөтпөйт; ошондуктан өтө аз voxel камтыган маанилүү көңдөй мойнунун, CO₂ snap-off мойнунун же caprock жаракасынын туура эмес белгилениши глобалдык упайды аз эле өзгөрткөнү менен өткөрүмдүүлүк, trapping же мүмкүн болгон агып чыгуу жолу боюнча түшүндүрмөнү олуттуу өзгөртө алат.

Теңдеме (1): Dice коэффициенти

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

• \(TP\): максаттуу фазаны чындап билдирген жана туура классификацияланган true-positive voxel саны.
• \(FP\): чындыгында максаттуу фаза эмес, бирок максаттуу фаза катары классификацияланган false-positive voxel саны.
• \(FN\): максаттуу фазага тиешелүү болгону менен башка класска берилген false-negative voxel саны.

Dice 0 менен 1 аралыгында өзгөрөт. 1 ге жакындашы божомолдонгон маска менен эталондук масканын класстык дал келүүсү көбөйгөнүн көрсөтөт.

Бирок Dice катанын мейкиндиктеги ордун коддобойт. Мисалы, миңдеген туура voxel арасында бир нече гана маанилүү throat voxelинин туура эмес классификацияланышы глобалдык Dice маанисин абдан аз өзгөртө алат.

Теңдеме (2): Intersection over Union — IoU

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

IoU да 0–1 аралыгында болот жана божомолдонгон максаттуу класс менен чыныгы максаттуу класстын кесилишин алардын биригүүсүнө салыштырат.

Dice жана IoU класс тактыгынын маанилүү бөлүктөрү; бирок топологиянын, чек ара жайгашуусунун, көңдөй байланышынын же физикалык касиет тактыгынын түз өлчөмү эмес.

Теңдеме (3): Физикалык касиет үчүн абсолюттук салыштырмалуу пайыздык ката

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

• \(\varepsilon_X\): X физикалык касиетинин абсолюттук салыштырмалуу пайыздык катасы.
• \(X_{seg}\): сегментация геометриясынан эсептелген касиет.
• \(X_{ref}\): экспериментте өлчөнгөн же кабыл алынган эталондук маани.

\(X\); көңдөйлүүлүк, өткөрүмдүүлүк, капиллярдык басым, калдык CO₂ каныгуусу, интерфейс аянты, реактивдүү бет аянты, жарака ачылышы, өткөргүчтүк же серпилгичтик модулу болушу мүмкүн.

Теңдеме абсолюттук маанини колдонгондуктан катанын чоңдугун берет; ашыкча же кем бааланганын айтпайт. Ошондуктан булак инженердик чечимде багыт маанилүү болсо, signed bias маалыматы өзүнчө көрсөтүлүшүн сунуштайт.

Жети өлчөмдүү баалоо алкагы

Сегментация ыкмаларынын алты негизги үй-бүлөсү

Otsu threshold ыкмасы качан негиздүү?

Global Otsu threshold гистограммадагы эки класстын ортосундагы дисперсияны максималдаштырган intensity cutoff тандайт. Булак жакшы бөлүнгөн боз-деңгээл бөлүштүрүүлөрү бар таза жана жогорку контрасттуу pore–solid сүрөттөрүндө Otsu тез жана кайталануучу баштапкы ыкма экенин белгилейт.

Фаза интенсивдүүлүктөрү дал келгенде, дисперсиялар айырмаланганда, минералдык гетерогендүүлүк же partial-volume таасири күчөгөндө бир global threshold класстарды туура бөлбөшү мүмкүн. Мындай учурда adaptive/multilevel threshold, region негизиндеги ыкма же үйрөнүүгө негизделген мамиле талап кылынышы мүмкүн.

Watershed жана region growing эмне үчүн этияттыкты талап кылат?

Watershed сүрөттү топографиялык бет катары карап, catchment basin чек аралары аркылуу байланышкан аймактарды бөлөт. Тийишкен дан, көңдөй же CO₂ ganglionдорун ажыратууда пайдалуу болушу мүмкүн; бирок ызы-чуу жана беттин тегиз эместиги көптөгөн жасалма минимумдарды түзүп, oversegmentation пайда кылышы мүмкүн.

Region growing тандалган seed чекиттеринен окшош voxellerге карай өсөт. Seed туура эмес болсо эрте токтоп же коңшу фазага өтүп boundary leakage түзүшү мүмкүн.

U-Net эмне үчүн санариптик тоо тек сегментациясында кеңири колдонулат?

U-Net encoder–decoder терең үйрөнүү архитектурасы. Encoder convolution жана pooling аркылуу кеңири контексттик касиеттерди чыгарат, decoder мейкиндиктик чечилишти кайра түзөт. Encoder менен decoder деңгээлдеринин ортосундагы skip connection байланыштары жогорку чечилиштеги жергиликтүү маалыматты decoder ге алып өтөт.

Бул түзүлүш ичке pore throat, grain contact жана microcrack чек араларын сактоо үчүн баалуу. Бирок жогорку global accuracy азчылык класстагы чопо, микрокөңдөй же ичке жаракалар туура сегментацияланганын кепилдебейт.

Эки өлчөмдүү үйрөтүүдө коңшу кесимдердин ортосундагы физикалык байланыш толук көрсөтүлбөшү, үч өлчөмдүү үйрөтүүдө болсо жогорку эс-тутум талабы жана patch stitching таасирлери өзүнчө көйгөйлөр.

Transformer жана foundation моделдер үчүн булак эмне үчүн этият?

Transformer негизиндеги моделдер узагыраак мейкиндиктик байланыштарды көрсөтө алат; бирок сереп алардын санариптик тоо тек тармагындагы далилдери U-Net үй-бүлөсүнө салыштырмалуу жаңыраак жана чектүүрөөк экенин белгилейт.

Segment Anything Model (SAM) жана DINOv2 сыяктуу foundation моделдер табигый сүрөттөрдө алдын ала үйрөтүлгөн. Табигый сүрөт чек аралары менен X-ray attenuation, partial-volume mixing жана тоо тектеги topology-critical grayscale түзүлүштөр бирдей эмес.

Ошондуктан булак foundation моделдерди автоматтык “геологиялык ground truth” катары эмес, proposal generator, feature initializer же few-shot adaptation куралы катары баалап, көз карандысыз геологиялык/физикалык ырастоо жүргүзүүнү сунуштайт.

Геологиялык CO₂ Сактоо Үчүн Бир Гана “Эң Жакшы” Сегментация Алгоритми Барбы?

Жок; сереп эч бир ыкманы универсалдуу биринчи орунга койбойт жана ыкманын негиздүүлүгү литологияга, сүрөт контрастына, класс татаалдыгына, белгилерге жеткиликтүүлүккө, эсептөө бюджетине жана сегментация кайсы физикалык сактоо чоңдугун колдой турганына көз каранды.

CO₂–туздуу суу сегментациясы эмне үчүн өзүнчө кыйын?

Динамикалык көп фазалуу сүрөттөрдө эки көйгөй бир убакта чыгат: фаза контрасты төмөн болушу мүмкүн жана сегментация убакыт бою ырааттуу калышы керек.

Туздуу суу менен CO₂ нин X-ray attenuation маанилери айрым шарттарда бири-бирине жакындашы мүмкүн. Contrast agent колдонуу фазаларды ажыратууну күчөтүшү мүмкүн; бирок колдонулган заттын сүрөткө жана агым жүрүм-турумуна таасири эксперимент шарттарында өзүнчө бааланышы керек.

Убакыт катарларында frame-to-frame mask өзгөрүүсү чыныгы суюктук кыймылыбы же сегментация туруксуздугубу, айырмаланышы керек. Анткени кичине voxel айырмасы өзүнчө CO₂ ganglionдорун бириктирип же snap-off мойнун жок кылышы мүмкүн.

Булакта берилген Chai жана авторлошторунун мисалында 58 сааттык статикалык аралыктагы тыныгуудан кийин кайра башталган brine агымы менен CO₂ saturation мааниси %22,8 ден %15,6 га түшкөн. Булак бул физикалык remobilization/Ostwald ripening байкоосу экенин; алгоритмдер аралык сегментация белгисиздиги же талаа containment натыйжасы эмес экенин өзгөчө белгилейт.

Жарака сегментациясы эмне үчүн containment үчүн сезгич?

Жараканы туура эмес “ачык” же “жабык” деп түшүндүрүү жөн гана визуалдык ката эмес; эсептелген transmissivity жана мүмкүн болгон агым жолуна түз таасир этиши мүмкүн.

Булакта талкууланган Deng жана авторлошторунун изилдөөсүндө CO₂-acidified brine таасирине кабылган табигый карбонат caprock тогу бузулган зоналарды ачык жарака же өткөрбөс тоо тек деп кабыл алуу эсептелген transmissivity маанилеринде болжол менен 2–4 эсе айырма жараткан.

Бирок булар bounding single-phase simulations натыйжалары; тиешелүү изилдөөдө эксперименттик permeability өлчөөсү жок. Ошондуктан бул санды “чыныгы caprock агып чыгышы 2–4 эсе өзгөрөт” деп жалпылоого болбойт.

Сегментация белгисиздигинин үч негизги булагы

Теңдеме (4): Predictive entropy

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

• \(H(x)\): x voxelинин класс ыйгаруусундагы predictive entropy.
• \(C\): сегментация класстарынын жалпы саны.
• \(p_c(x)\): x voxelинин c классына таандык болуу божомол ыктымалдыгы.
• \(\ln\): натуралдык логарифм.

\(H(x)\) nats бирдигинде берилет. \(C\geq2\) үчүн:

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

туюнтмасы 0–1 аралыгында өлчөмсүз нормалдаштырылган entropy берет.

Жогорку entropy класс ыйгаруу көбүрөөк белгисиз экенин, төмөн entropy болсо модель жогору ишеним билдиргенин көрсөтөт. Бирок булак маанилүү эскертүү берет: төмөн entropy туура классификациянын кепилдиги эмес. Domain тышындагы сүрөттө ашыкча ишенген тармак туура эмес белгиге төмөн entropy бере алат. Ошондуктан uncertainty мааниси байкалган каталар менен калибрлениши керек.

Эпистемикалык жана алеаторикалык белгисиздиктин айырмасы

Эпистемикалык белгисиздик моделдин чектелген билиминен жана үйрөтүү камтуусунан келип чыгат. Ар түрдүү үйрөтүү маалыматтары, domain adaptation же ensemble сыяктуу ыкмалар менен азайтылышы мүмкүн.

Алеаторикалык белгисиздик сүрөттүн өзүндөгү чечилиш, фазалардын дал келиши, noise же partial-volume сыяктуу ички белгисиздиктерден келип чыгат. Моделди көбүрөөк үйрөтүү сүрөттө жок маалыматты жоктон жарата албайт; жакшыраак acquisition, multimodal imaging же probabilistic phase assignment керек болушу мүмкүн.

Сегментация Белгисиздиги CO₂ Сактоо Чечимдерине Кантип Таралат?

Сегментация белгисиздиги адегенде көңдөй жана фаза геометриясын өзгөртөт; бул өзгөрүү өткөрүмдүүлүк, капиллярдык басым, калдык каныгуу, реактивдүү бет же механикалык үзгүлтүксүздүк сыяктуу физикалык касиеттерге өтөт жана геологиялык масштабга көтөрүү менен долбоор маалыматтары кошулганда сыйымдуулук, инъекция, trapping жана containment чечимдерине шарттуу түрдө таасир этиши мүмкүн.

Теңдеме (5): Альтернативдүү сегментациялардын бир эле физика модели менен таралышы

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

• \(S^{(n)}\): n-чи негиздүү сегментация реализациясы.
• \(F\): ар бир реализацияга бирдей колдонулган физикалык оператор/чечүүчү.
• \(X^{(n)}\): ошол геометриядан эсептелген физикалык касиет.
• \(N\): ensemble ичиндеги сегментациялардын саны.

Бул ыкманын маанилүү жери ар бир property үчүн өзүнчө min–max маанилерин аралаштырбастан, ошол эле геометрия реализациясынан бирге чыккан физикалык касиеттерди сактоо.

Натыйжада бир \(X\) ордуна:

• орточо,
• quantile,
• threshold exceedance probability,
• асимметриялуу же non-normal tail

сыяктуу бөлүштүрүү касиеттери изилдениши мүмкүн. Бирок бул бөлүштүрүүнүн ишенимдүүлүгү сегментация ensemble кандай түзүлгөнүнө жана калибрленгенине көз каранды.

Сегментация катасынын сактоо чоңдуктарына мисал таасирлери

Көз карандысыз физикалык ырастоо эмне үчүн милдеттүү?

Табигый тоо тек сүрөттөрүндө voxel деңгээлинде кемчиликсиз ground truth көбүнчө жок. Helium porosity же mercury-injection capillary pressure сыяктуу bulk өлчөөлөр бүт үлгүнүн физикалык касиетин текшере алат; бирок ар бир voxel туура классификацияланганын көрсөтпөйт.

Мисалы, сегментация жалпы porosity маанисин туура бериши мүмкүн, бирок бир аймакта ашыкча көңдөй, башка аймакта жетишсиз көңдөй түзүп, жалпы мааниде каталар бири-бирин компенсациялашы мүмкүн. Мындай учурда global porosity туура көрүнгөнү менен permeability туура эмес болушу мүмкүн.

Ошондуктан булак complementary validation сунуштайт: porosity, permeability жана capillary pressure сыяктуу бир нече физикалык чоңдук мүмкүн болушунча бирге текшерилиши керек.

Ошондой эле calibration менен validation бөлүнүшү керек. Threshold тандоо үчүн колдонулган porosity өлчөөсү ошол threshold ду өз алдынча ырастаган маалымат катары эсептелбейт.

Auditability — текшерилүүчү иш агымы эмнени талап кылат?

Булак ар бир физикалык натыйжа туруктуу sample identifier жана versioned processing record менен байланыштырылышын сунуштайт.

Катталууга тийиш болгон нерселер:

• чийки же жоготуусуз кайра түзүлгөн сүрөттөр,
• voxel size, orientation жана region of interest,
• preprocessing параметрлери,
• белги аныктамалары жана annotator чечимдери,
• sample-level train/tuning/test partition,
• код жана программалык версия,
• тармак салмактары жана random seed,
• postprocessing жөндөөлөрү,
• физикалык solver жөндөөлөрү,
• manual override орду, себеби жана мурда/кийин белгилери

болушу керек.

Теңдеме (6): Property Impact Index

Булак келечекте текшерүү үчүн transition-specific Property Impact Index сунуштайт:

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

• \(S\): баштапкы сегментация.
• \(x\): бааланып жаткан voxel.
• \(a\): voxelin учурдагы классы.
• \(b\): уруксат берилген альтернативдүү класс.
• \(S(x:a\rightarrow b)\): x voxeli гана a класстан b класска өзгөртүлгөн геометрия.
• \(F\): ошол эле физикалык оператор.
• \(H(x)/\ln C\): нормалдаштырылган predictive entropy.
• \(X_{scale}\): бардык салыштырууларда туруктуу кармалган оң физикалык касиеттин эталондук масштабы.

Биринчи көбөйткүч voxel канчалык белгисиз экенин, экинчи көбөйткүч ошол белги өзгөрүүсү физикалык property ге канчалык таасир этерин өлчөйт. Ошентип жогорку белгисиздиктеги, бирок физикалык жактан маанисиз voxel менен орточо белгисиз, бирок маанилүү throat үстүндө турган voxel бирдей кабыл алынбайт.

Индекс өлчөмсүз, бирок failure probability эмес.

Булак бир voxel өзгөрүүсү бардык топологиялык өз ара аракеттерди кармай албасын; correlated boundary error же multi-voxel bridge көйгөйү болсо аймактык perturbation колдонуу керек экенин да белгилейт.

Теңдеме (6) нын булактагы божомолдуу мисалы

Макала эсептөөнү гана көрсөтүү үчүн төмөнкү толугу менен божомолдуу мисалды берет:

• Эки маска үчүн Dice = 0,96.
• Маанилүү throat тогу белгисиз voxel үчүн \(H=0,65\) nats.
• Binary тапшырма: \(C=2\).
• Voxel pore болгондо permeability = 120 mD.
• Voxel solid болгондо permeability = 35 mD.
• \(X_{scale}=120\) mD.

Нормалдаштырылган физикалык өзгөрүү:

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

Нормалдаштырылган entropy:

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

Демек:

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

Мисалда божомолдуу 80 mD screening threshold да ашат. Бирок булак бул сандар өлчөө, индекстин ырастоосу же чыныгы сактоо талаасын кабыл алуу/четке кагуу чечими эмес экенин ачык белгилейт.

Теңдеме (7): Жалпы expected-loss туюнтмасы

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

• \(R(d)\): d чечиминин expected risk / expected loss мааниси.
• \(F_j\): j-чи failure mode.
• \(P(F_j\mid d,D)\): d чечими жана D учурдагы далили шартында j failure mode ыктымалдыгы.
• \(C_j\): бул failure mode натыйжасы/наркы.
• \(J\): каралган failure mode саны.

Булак мүмкүн болгон натыйжалар катары кошумча сүрөттөө же core analysis, керексиз эсептөө, аз колдонулган сактоо сыйымдуулугу, ашыкча инъекция басымы, completion redesign, monitoring жүгү, regulatory delay жана containment/safety exposure сыяктуу мисалдарды берет.

Теңдеме (7) ырасталган жаңы экономикалык модель эмес. Долбоорго мүнөздүү failure probability жана consequence маанилери бул серепте калибрленген эмес жана Dice же voxel entropy ден гана чыгарылбайт.

Физика сегментацияны кантип сынай алат?

Булак физикалык теңдемелердин эки башка ролдо колдонулушун айырмалайт:

1. Физикалык чектөө түздөн-түз үйрөтүү жоготуусуна кирсе, сегментация моделине таасир этиши мүмкүн.
2. Физика сегментациядан кийин колдонулса, сегментация алгоритми эмес, physical validation же property-sensitive test милдетин аткарат.

Теңдеме (8): Жалпы физика-маалыматтуу курама жоготуу

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

• \(L_{data}\): белги же байкоо маалыматына шайкеш келбөө жоготуусу.
• \(L_{phys}\): governing equation же физикалык чектөөнү бузуу жазасы.
• \(L_{BC}\): boundary condition бузуу жазасы.
• \(\lambda_{data}\), \(\lambda_{phys}\), \(\lambda_{BC}\): үч жоготуу компонентинин салыштырмалуу салмактары.

Бул теңдеме булакта generic composite objective катары берилет; белгилүү бир жаңы сегментация тармагынын ырасталган жоготуу функциясы эмес.

Теңдеме (9) жана (10): Чечилген көңдөй мейкиндигиндеги stationary Stokes агымы

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

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

• \(\mathbf{u}\): ылдамдык вектору.
• \(p\): басым.
• \(\mu\): динамикалык илешкектүүлүк.
• \(\nabla p\): басым градиенти.
• \(\nabla^2\mathbf{u}\): илешкек импульс таралышын билдирген Laplacian мүчөсү.

Теңдеме (10) чечилген агым талаасында incompressible шартын билдирет. Булак бул Stokes теңдемелерин pore-scale геометрияны permeability сыяктуу физикалык касиет менен текшерүүнүн мисалы катары колдонот.

Теңдеме (11): Агымдан абсолюттук өткөрүмдүүлүк

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

• \(K\): абсолюттук permeability.
• \(\mu\): динамикалык илешкектүүлүк.
• \(Q\): көлөмдүк агым чыгымы.
• \(L\): үлгүнүн агым багытындагы узундугу.
• \(A\): кесилиш аянты.
• \(\Delta p\): үлгү боюнча басым айырмасы.

Теңдеменин маанилүү ролу: эки сегментация бирдей Dice упайына ээ болсо да, алардын бири агым үчүн маанилүү throat ту жапса, бирдей басым чек шарттарында башка \(Q\) жана демек башка \(K\) жаратышы мүмкүн.

Ошондуктан permeability эсептөөсү сегментация геометриясынын топологиялык тактыгына сезгич validation куралы болушу мүмкүн.

Теңдеме (12): Stokes–Brinkman ыкмасы

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

• \(\mu_{eff}\): эффективдүү илешкектүүлүк.
• \(K_m\): чечилбеген microporous фазага берилген эффективдүү permeability.

Бул теңдеме толук ачык көңдөй катары чечилген Stokes аймагы менен сүрөт чечилишинен төмөндө калган жана эффективдүү permeability менен гана көрсөтүлө турган microporous материалдын ортосунда continuum көпүрөсүн түзөт.

Булак бул “сүрөттө жок түзүлүштү так калыбына келтирүү” ыкмасы эмес экенин баса белгилейт. \(K_m\) сыяктуу эффективдүү касиеттер көз карандысыз маалымат менен чектелиши же калибрлениши керек.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Серептин дизайны

Макала өзүн structured critical review катары аныктайт. Изилдөө 154 булакты эмпирикалык изилдөөлөр, методологиялык макалалар, серептер, саясаттык баяндамалар жана маалымат булактары катары колдонот.

Булактар үч негизги илимий далил деңгээлине бөлүнгөн:

Tier деңгээли методологиялык сапат упайы эмес. Ал булак далили геологиялык CO₂ сактоо көйгөйүнө канчалык түз байланыштуу экенин гана классификациялайт.

Булакка жеткиликтүүлүк абалы

Жалпы 49 жазуу abstract же metadata деңгээлинде калган. Мындан тышкары 64 жазууда жок дегенде бир маалымат талаасы “not verified” деп белгиленген. Булак “not verified” дегенди жеткиликтүүлүк же extraction боштугу; “not reported” дегенди каралган булакта маалымат берилбеген учур үчүн колдонот.

Издөө жана скрининг агымы

Башка 574 потенциалдуу талапкер толук тексттик баалоого алынбастан талапкерлер пулунда калтырылган.

Алгачкы Scopus скрининги жана далил чыгарууда жасалма интеллект колдоосу колдонулган. Андан кийин авторлордун бири CSV жазууларын код менен иштеткен экинчи скрининг жүргүзүлүп, жыйынтыктар кол менен текшерилген жана акыркы изилдөө тандоолорун олуттуу өзгөртө турган дал келбестик табылбаганы билдирилген.

Издөө проспективдүү катталган эмес. Тарыхый retrieval logдорунун бир бөлүгү жетишсиз жана Scopus суроосундагы милдеттүү CO₂ термини CO₂ ден тышкары иштелип чыккан, бирок сегментация жагынан өткөрүлө турган айрым ыкмаларды өткөрүп жибериши мүмкүн.

Эмне үчүн мета-анализ же универсалдуу алгоритм рейтинги жүргүзүлгөн жок?

Булактар:

• литология,
• voxel size,
• phase count,
• class balance,
• annotation,
• training/test partition,
• metric аныктамасы,
• физикалык solver

жагынан бири-биринен айырмаланат.

Ошондуктан ар башка изилдөөлөрдөгү Dice же permeability error маанилерин бир пулга кошуп, “X алгоритми жалпы алганда Y ден %Z жакшы” деген жыйынтыкка келүү илимий жактан негиздүү эмес.

Булак артыкчылык тууралуу доомат ошол эле сүрөттөр, ошол эле эталондук белгилер, ошол эле train/test бөлүнүшү жана окшош tuning бюджети астында жүргүзүлгөн көзөмөлдөнгөн салыштырууларда гана күчтүү экенин белгилейт.

Сегментация таасирине байланыштуу түз мисалдар

Изилдөө колдогон жыйынтыктар

• Геологиялык CO₂ сактоодо сегментация сүрөт иштетүү баскычынан тышкары физикалык өлчөө моделинин бөлүгү.
• Жогорку сүрөт дал келүү метрикасы физикалык тактыкты өзү гана кепилдебейт.
• Топологиялык каталар global mask метрикаларына салыштырмалуу пропорционалдуу эмес физикалык натыйжаларды жаратышы мүмкүн.
• Ыкма тандоосу сактоо тапшырмасына жана литологияга жараша жүргүзүлүшү керек.
• Классикалык ыкмалар айрым таза, жогорку контрасттуу binary тапшырмаларда негиздүү бойдон калууда.
• Терең үйрөнүү өзгөчө гетерогендүү текстура, майда түзүлүш же убакыттык контекст талап кылган тапшырмаларда пайдалуу болушу мүмкүн.
• Татаалыраак тармак архитектурасы автоматтык түрдө ишенимдүү сактоо мүнөздөмөсүн билдирбейт.
• Сегментация белгисиздигин физикалык solver аркылуу ensemble катары таратуу бир тандалган маскага караганда маалыматтуураак болушу мүмкүн.
• Көз карандысыз лабораториялык өлчөөлөр жана топология/property текшерүүлөрү overlap метрикасына кошулушу керек.
• Иш агымы маалымат, модель, seed, программалык камсыздоо жана кол менен оңдоо деңгээлинде текшериле турган болушу керек.

Изилдөө колдобогон жыйынтыктар

• Бир гана универсалдуу эң жакшы сегментация алгоритми аныкталган эмес.
• U-Net, transformer же foundation model ар бир литологияда классикалык ыкмалардан жогору деп жарыяланбайт.
• Жогорку Dice же IoU коопсуз CO₂ сактоонун кепилдиги эмес.
• Сегментация маскасындагы пайыздык катаны талаа сыйымдуулугундагы ошол эле пайыздык катага түз теңөөгө болбойт.
• Кичинекей сүрөт көлөмүндө көрүлгөн connected fracture түздөн-түз талаа масштабында leakage жолу экенин далилдебейт.
• Property Impact Index операциялык жактан ырасталган тобокелдик метрикасы эмес.
• Expected-loss теңдемеси долбоордук чыгым модели катары калибрленген эмес.
• Foundation model чыгышы автоматтык ground truth эмес.
• Бул review жаңы физикалык flow simulation, trained segmentation network же талаа экспериментин түзгөн эмес.
• Сегментация жөнгө салуучу ишенимди же коомдук кабыл алууну жогорулатканы бул изилдөөдө өлчөнгөн эмес.

Ачык benchmark үчүн сунушталган түзүлүш

Булак келечектеги CO₂ сактоо benchmarkтары төмөнкү элементтерди бириктиришин сунуштайт:

• sandstone, carbonate, shale, caprock жана fractured rock,
• micro-CT, synchrotron, SEM жана FIB-SEM,
• бир нече spatial resolution,
• кайталанган expert label же probabilistic reference map,
• өлчөнгөн porosity, permeability, capillary pressure, residual saturation, mineralogy же mechanical property,
• динамикалык маалымат үчүн registered dry, brine-saturated жана CO₂-containing volumes,
• документтештирилген pressure жана temperature,
• sample-level training, validation жана hidden test partition.

Сунушталган келечектеги санариптик тоо тек экосистемасы

Булактын келечектеги иш агымын алты негизги баскычта жыйынтыктоого болот:

1. Multiscale жана multimodal маалымат алуу.
2. Automated preprocessing жана сапатты стандартташтыруу.
3. Uncertainty-aware deep learning segmentation.
4. Physics-constrained simulation жана ensemble propagation.
5. Automated, бирок көз карандысыз физикалык validation.
6. Upscaling, conditional engineering decision жана келечекте digital-twin интеграциясы.

Авторлор Figure 6 дагы digital-twin жана автоматташтыруу элементтери сунушталган изилдөө алкагы экенин; автономдуу иштетүү же талаа көрсөткүчү ырасталбаганын ачык белгилешет.

Акыркы илимий жыйынтык

Геологиялык CO₂ сактоодо ишенимдүү сегментациянын максаты “эң кооз маска” же “эң жогорку Dice” жаратуу эмес. Негизги максат сактоо чечиминде маанилүү физикалык түзүлүштөрдү жана белгисиздиктерди из калтырууга боло тургандай сактоо.

Ошондуктан булак төмөнкү чынжырды колдойт:

сүрөт тактыгы → геометрия тактыгы → физикалык касиет тактыгы → белгисиздиктин таралышы → шарттуу инженердик чечим.

Чынжырдын кайсы бир баскычында ырастоо жетишсиз болсо, кийинки баскычка тиешелүү тактык дооматы автоматтык түрдө күчөбөйт.

Булак жана Ыкма Жөнүндө Эскертүү

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

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

Тең салым/тең биринчи автор: Булакта тең биринчи автор же тең салым тууралуу билдирүү жок.

Жооптуу автор: Kwamena Opoku Duartey.

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

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

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

Журнал: Advances in Carbon Neutrality.

Басмакана: MDPI.

Жыл / том / сан / макала номери: 2026; 1(2); 6.

DOI: 10.3390/acn1020006.

Расмий шилтеме: https://doi.org/10.3390/acn1020006

Жөнөтүлгөн дата: 12 август 2026.

Ревизия датасы: 24 сентябрь 2026.

Кабыл алынган дата: 28 сентябрь 2026.

Жарыяланган дата: 1 октябрь 2026.

Булак түрү: Review; structured critical review.

Рецензия абалы: Рецензияланган илимий журналда жарыяланган version of record.

Лицензия: Creative Commons Attribution (CC BY).

Булактардын саны: 154.

Далил инвентары: 132 evidence entry жана 22 contextual entry.

Далил деңгээлдери: 16 Tier A, 92 Tier B, 24 Tier C, 22 Context.

Булакка жеткиликтүүлүк негизи: 67 full text, 42 abstract, 16 abstract + partial excerpt, 7 metadata. Булак 49 жазуу abstract же metadata негизинде экенин жана 64 жазууда жок дегенде бир “not verified” талаа бар экенин билдирет.

Мета-анализ абалы: Pooled meta-analysis жүргүзүлгөн эмес. Гетерогендүү литология, voxel size, phase count, annotation, маалымат бөлүнүшү, метрика жана solver шарттары себептүү универсалдуу алгоритм рейтинги жүргүзүлбөйт.

Борбордук баалоо алкагы: voxel/класс тактыгы, чек аранын так сакталышы, топология, морфология, калибрленген белгисиздик, физикалык касиет сезгичтиги жана инженердик чечимдин натыйжасы.

Негизги ыкма үй-бүлөлөрү: threshold, edge, region, clustering/unsupervised ML, supervised ML, deep learning; ошондой эле transformer, attention жана foundation model ыкмалары өзүнчө талкууланат.

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

Институционалдык этика комитети: Колдонулбайт.

Маалымдалган макулдук: Колдонулбайт.

Маалыматтын жеткиликтүүлүгү: Сереп жаңы rock-imaging dataset, физикалык flow simulation же trained segmentation model түзгөн эмес. Evidence inventory жана Scopus screening жазуулары Supplementary Materials S1 жана S2 де берилген.

Авторлордун салымы: Концептуалдаштыруу William Apau Marfo; изилдөө Carlos Ronaldo Oliva; алгачкы долбоор William Apau Marfo жана Carlos Ronaldo Oliva; кароо/редакциялоо William Apau Marfo, Carlos Ronaldo Oliva, Godsway Akpabli, Kwamena Opoku Duartey, Elizabeth Akonobea Appiah, Sylvester Agyei жана Jacqueline Margaret Adjimah; супервизия William Ampomah жана Hamid Rahnema тарабынан билдирилген.

Жасалма интеллект колдонуу билдирүүсү: Авторлор OpenAI нин ChatGPT ичиндеги image-generation/editing куралы макаладагы алты концептуалдык сүрөттү түзүүгө, жакшыртууга жана визуалдык редакциялоого жардам берүү үчүн колдонулганын билдиришет. Алгачкы Scopus screening жана evidence extraction баскычтарында да AI колдоосу колдонулган; тандоолор экинчи код негизиндеги скрининг жана кол менен текшерүү аркылуу көзөмөлдөнгөн. Авторлор акыркы мазмун үчүн жоопкерчиликти өздөрүнө алышкан.

Кызыкчылыктардын кагылышы: Авторлор кызыкчылыктардын кагылышы жок экенин билдиришкен; каржылоочунун сереп дизайнына, адабияттарды чогултууга/түшүндүрүүгө, жазууга же жарыялоо чечимине катышы болбогону көрсөтүлгөн.

Теңдеме (6) эскертүүсү: Property Impact Index бул сереп сунуштаган изилдөө багыты; ырасталган операциялык сегментация же тобокелдик метрикасы эмес. Булактагы 0,96 Dice, 120/35 mD жана болжол менен 0,66 мисалы божомолдуу эсептөөнүн көрсөтмөсү.

Теңдеме (7) эскертүүсү: Expected-loss туюнтмасы generic изилдөө алкагы; долбоорго мүнөздүү failure probability же экономикалык consequence калибрлөөсү жүргүзүлгөн эмес.

Сүрөт эскертүүсү: Булактагы алты негизги сүрөт концептуалдык синтездер жана жаңы эксперименттик өлчөө, benchmark натыйжасы же ырасталган агым симуляциясы эмес.

Негизги түшүндүрмө чеги: Сегментациядан келип чыккан pore-scale белгисиздикти түздөн-түз талаа сыйымдуулугуна, plume жүрүм-турумуна же containment ыктымалдыгына теңөөгө болбойт. Формация масштабы үчүн геологиялык үлгүлөө, upscaling, reservoir/fluid/geomechanical моделдер жана операциялык шарттар өзүнчө талап кылынат.