用例剖析：量子计算，为什么在地下勘探领域被“赋予重望”？

光子盒研究院

量子计算在重塑地下评估领域展现出巨大潜力，其提供的能力和先进的地球科学分析速度比当前任何计算机系统都快上一个数量级。

在过去的100年里，全球人口基本上翻了两番，达到80亿；据联合国2022年的数据，预计到2055年至2060年之间将增加到100亿。

随着全球人口的增长，对能源的需求也将增加，这迫使进行对地下资源的持续和不断发展的评估。

这种地下评估将需要对石油和天然气、碳捕获和储存、地热能源等进行勘探和开发——这些过程对地质解释至关重要。

然而，要满足这些需求并非易事。

一个相互矛盾的问题是，在过去的十年里，由于多种原因，地质科学领域的工作人员减少：油气价格波动导致石油公司的雇佣率降低；地质科学专业的大学生人数大幅减少；以及被称为“员工大变动”（The Great Crew Change）的人员转型，即婴儿潮一代的大量人员退休并离开行业。

要弥补这一劳动力缺口、满足未来能源需求，唯一的途径就是促使公司充分利用人工智能/机器学习和计算能力等技术进步。

曾几何时，未来的地球科学技术将由计算机能力和相关的人工智能/机器学习算法驱动。

解释深度学习、神经网络、机器学习和人工智能之间的共生关系，以及它们的优势和能力

人工智能（AI）是指使计算机模仿人类行为的任何技术，而机器学习（ML）则是AI的一个组成部分，使计算机在没有明确编程的情况下学习的技术。

人工智能/机器学习的进步与计算机能力的提高直接相关。在1997年，加来道雄（Michio Kaku）在他的著作《愿景》中预测，摩尔定律（计算机能力每18个月翻一番）将在2020年后某个时候终结。

然而，我们在硅晶圆上蚀刻的晶体管已经达到了极限，因为在分子层面，量子效应占主导地位，牛顿力学不再适用。

正因为如此，许多专家指出，在未来十年内，一种名为“量子计算机”的新计算形式将彻底投入使用。

量子计算基于量子力学定律，该定律表明物质的亚原子层次同时呈现粒子和波的特性。

量子计算机的硬件利用了这一特性，而不同于经典处理器使用比特（0或1），量子计算机采用量子比特（0、1或两者的叠加）。

据估计，500个量子比特所包含的信息量相当于普通比特的2至5百次幂。这使得多维量子算法，尤其是人工智能/机器学习的计算成为可能。

甚至有估算认为，量子计算机将比传统计算机快数个数量级。

如今，大多数地下地球科学解释都是以串行方式进行的，解释过程基本上是逐步进行的。

对地下进行地球科学解释的传统顺序方法

如今，大多数地下地球科学解释都是以串行方式进行的，解释过程基本上是逐步进行的。

自20世纪80年代末以来，地震解释已从二维数据发展到三维数据，再到四维数据（穿越时空的三维勘探）。

随着地震数据采集和处理方面的重要进步，以及工作站的使用，使得解释过程中的评估更加一致，精度更高。

然而，除了过去几年的机器学习之外，解释过程本身并没有发生重大变化。

机器学习使解释人员能够同时处理大量数据，确定多种（大于3种）数据之间的关系，发现理论上未知的非线性问题，随着时间的推移提高效率和准确性，并实现解释过程的自动化。

其中一些机器学习方法，包括深度学习（卷积神经网络）、自组织图和半监督方法，已被用于解决许多地质难题。

机器学习的一些较为成功的应用包括断层/断裂划分、地层面分布定义、岩性分类、测井记录关联和预测以及地震直接碳氢化合物指标（DHI）识别。

如今，机器学习所需的计算机能力和相关架构基本上都围绕着CPU和GPU配置、高性能计算和云计算。

利用量子计算机解决机器学习过程的潜力，产生了精简自动化的愿景，有望将众多不同类型的机器学习和数字孪生应用结合在一起。

例如，图中的许多（如果不是全部）解释工作流程步骤都可以实现自动化，地球科学家只需提供最低限度的指导和流程质量控制。

量子计算有可能帮助识别并结合多种不同类型的机器学习，从而提供更准确的答案，甚至找到我们的科学数据中尚未发现的地质元素。

利用量子计算的合成数据集和数字孪生可以模拟极其复杂的系统，其中包含目前无法应用的组件。

即使是对勘探前景和钻探组合进行量子模拟，也能更准确地进行风险分析，优化投资决策，这在今天是不可能实现的。

众所周知，从地震反射数据中得出的岩石属性解决方案并非独一无二。

然而，量子计算的应用可以将地震数据与井眼的地面实况数据进行校准和确证，从而限制非唯一性的风险。

当今对计算机能力的最大需求之一与石油和天然气行业的三维预叠加深度迁移地震处理（seismic processing）有关。

地震处理公司通常使用世界上最大的超级计算机。

即使拥有包括云计算在内的大量计算设施，使用最新算法处理海量数据也会受到限制。

例如，要对墨西哥湾盐层下方进行成像，需要应用全波形反演（FWI）和最先进的波方程迁移算法，如最小二乘反向时间迁移（LSRTM）。

全波形反演的目的是建立一个地球地下速度模型，以充分解释地震数据中记录的地震波场。

然而，目前大多数地震处理仅利用记录数据的反演部分。

由于FWI的迭代性质和精确模拟的计算要求，FWI是高度计算密集型的，因此受到当今计算环境的限制。LSRTM是一种基于反演的迁移算法，可最大限度地减小观测地震记录与前向模拟合成数据之间的数据错配。

在大多数情况下，LSRTM需要非常精确的速度模型，计算成本较高。

应用这些先进处理方法的共同限制因素显然是计算机能力。

随着量子计算机和相关新处理算法的发展，计算机能力的限制将得到缓解。由于FWI和LSRTM等高级处理算法需要对模型进行迭代，量子计算机将能够在极短的时间内获得最优解。

量子计算的使用甚至将使地球物理学家能够完成地震处理的“圣杯”，即使用全弹性波场数据进行地震成像，其中包括震源产生的所有波，如主波反射、透射波、转换模式及其倍数。

采用全弹性波场数据的基本假设是，弹性波场的各种模式可以提供跨地层区间的独特岩石、流体和层序信息。

利用这些新的建模技术，我们终于可以将地球成像为各向异性的弹性固体。

如果量子计算能使地震处理取得这些类型的进步，那么地震采集和设计也必须随之发展，例如长偏移洋底节点的常规应用。

有必要收集所需的低频和高频范围、全方位多分量数据、适当的采样以及采集设备的进步，才能真正实现量子计算在地震处理方面的进步。

人工智能/ML技术与量子计算的结合是一种独特的、令人兴奋的组合，可分析和识别各种沉积盆地的地震反射模式。

此外，公司将有能力全面整合其成功和失败的案例历史。

在强大的地球科学家和精明的管理者的监督下，优化决策分析将指日可待。

量子计算的使用将使地球物理学家能够在地震处理和地震成像中使用全弹性波场（full elastic wavefield）数据，其中包括震源产生的所有波

地质封存涉及将液态二氧化碳注入深层多孔岩石，然后对岩石系统进行监测，以确保注入的二氧化碳在所处的岩层中保持液态。

量子计算在二氧化碳地质封存中应该是无价之宝。

导致量子计算在二氧化碳封存中变得至关重要的关键因素是收集、处理和解释严格的二氧化碳监测所需的数据的日历时间范围。

在监测封存的二氧化碳方面，必须牢记的重要概念是“二氧化碳封存必须是永久性的”。

这一永久性要求意味着，对全球每个二氧化碳封存地点封存的二氧化碳的监测必须跨越数千年的日历时间。

因此，监测每个二氧化碳封存点所积累的数据量将是巨大的，超出地球科学家所经历过的规模。

量子计算对于管理和利用二氧化碳封存活动也至关重要。

监测二氧化碳储层需要P波和S波地震反演数据。储层上方的P波衰减可探测到以气态形式逸出的二氧化碳，S波数据需要分为快S波和慢速S波图像，因为慢速S波数据是检测新出现裂缝的第一类地震数据，这些裂缝是储层结构即将失效的先兆。

除了三维3C地表接收机数据外，还需要获取VSP数据。3C数据将提供P-SV和SV-P两种模式，从而可以利用快S和慢S两种版本的数据。应创建SV-P和P-SV两种版本的图像，这需要对五种地震图像进行深度登记（P-P、通过P-SV（快速-S）、通过SV-P（快速-S）、通过P-SV（慢速-S）、通过SV-P（慢速-S））。

仅监测一个封存点的二氧化碳封存情况所涉及的地震数据库的数字规模将很快超过地球物理学家所使用的规模。

每个储层数据库还必须扩展到包括整个储层区域获得的所有井记录数据和所有岩心数据，以及部署在众多井下位置的应力传感器记录的所有数据。

数千年来，仅在一个二氧化碳矿点建立的数据库的规模就将达到数据库管理员迄今为止从未遇到过的程度。

量子计算等新计算机策略的重要性将是不言而喻的。

如果第10代的二氧化碳储层管理者需要回溯到第1代至第9代，并将之前获取的所有三维地震数据卷纳入最新的储层条件分析中，以描述储层稳定性的时间行为，那么情况就会如此。

虽然量子计算在地下评估中展现了广泛的应用前景，但仍然存在许多需要克服的挑战。

其中最大的挑战之一是开发能够有效解决地质解释问题的量子算法。这项任务的复杂性和挑战性在于需要兼具量子计算和地球物理学领域的专业知识。

此外，目前的量子硬件仍处于初级阶段，量子比特数有限，且错误率较高。

这使得量子计算难以应用于像地震分析这样的大规模问题。

尽管面临着这些挑战，但量子计算和地震分析领域已经取得了一些令人瞩目的进展。

在2019年，IBM的研究人员为FWI开发了一种量子算法，虽然该算法在同一问题上无法超越经典算法，但它展示了量子计算在地震分析中的潜力。

与此同时，德克萨斯大学奥斯汀分校的研究人员为RTM开发了一种量子启发算法，并在合成数据上取得了令人鼓舞的成果。

目前，我们只能推测如何充分利用量子计算的实际优势，以全面模拟地球中的地震波运动，更好地理解揭示地质的地震模式，并改进决策过程以更迅速地获得更佳的答案。

为了满足未来石油和天然气资源勘探开发、碳捕获与储存，以及寻找地热能、氦气和氢气的需求，必须显著提升计算机性能。

利用量子力学效应，量子计算机有望同时处理数百万个计算。

正是这种发生在亚原子层面上的量子现象让我们相信，量子计算机将推动地下地质探测超越我们今天的想象，并为满足全球能源需求做出重大贡献。

参考链接：

[1]https://www.beg.utexas.edu/resprog/geophysics/DOEPrime.htm

[3]https://www.aseg.org.au/disc-2020-2021-australiavirtual-survey-design-and-seismic-acquisition-land-marine-and-between-light

[4]https://www.worldoil.com/magazine/2024/january-2024/features/quantum-computing-and-subsurface-prediction/

[5]https://info.tgs.com/hubfs/2021%20Articles/FirstBreak_FWI_Imaging_TGS_2021_FINAL.pdf