L'industria globale dell’energia, tradizionalmente associata a grandi progetti infrastrutturali, è uno dei settori che ha per primo iniziato una vera e propria rivoluzione digitale, prevalentemente improntata ad un aumento dell’efficienza e alla riduzione dei rischi, sia nella produzione che nell’esplorazione.
Le geoscienze digitali, ossia l’applicazione di strumenti informatici avanzati e analisi dati nel campo della geologia e della geofisica, sono diventate cruciali nel settore dell’esplorazione e produzione (E&P). In questo contesto, diventa fondamentale la potenza dei calcolatori moderni per analizzare, modellare e simulare il sottosuolo. Oltre che affidarsi a mappe tradizionali e interpretazioni manuali, i digital geoscientists creano oggi dettagliati modelli geologici statici e dinamici di giacimenti e stoccaggi, partendo da dati geofisici e geologici.
Un ulteriore grande passo avanti è stato fatto con l’integrazione dell’intelligenza artificiale (IA) nei processi di esplorazione e produzione. Gli algoritmi di IA eccellono nel riconoscere schemi e strutture all’interno di enormi volumi di dati; si tratta di un’abilità cruciale per districarsi nella quantità estremamente elevata di dati utilizzati nell’esplorazione e nella produzione di idrocarburi. L’utilizzo di sistemi inferenziali avanzati in ambito digitale, in questo campo, non è comunque uno sviluppo del tutto nuovo, dato che da almeno un paio di decenni si fa già uso di reti neurali ma si tratta di strumenti meno evoluti rispetto alle più moderne tecnologie di IA e data sciences utilizzate oggi.
Nei processi di drilling & completion, l'IA è considerata una tecnologia rivoluzionaria in grado di ridurre i costi e migliorare significativamente l'efficienza di perforazione (DE – Drilling Efficiency). Rimanendo nel campo più specifico delle geoscienze, l'apprendimento automatico è stato applicato all'elaborazione e all'interpretazione dei log di pozzo (e.g. GR, dt, RES, etc), come l'identificazione della litologia, la ricostruzione dei log, la stima dei parametri petrofisici di giacimento e così via, mostrando un grande potenziale. Tuttavia, queste metodologie richiedono sempre una stretta supervisione umana in quanto il preprocessing dei dati non è stato ancora completamente automatizzato.
L’utilizzo di supercomputer è stato, invece, da sempre una necessità in ambito geofisico per il processing di grossi volumi 3D, in particolare nel processo di migrazione, per aumentare la qualità dell’imaging in sismica: si tratta di processi che richiedono grosse potenze computazionali e un notevole tempo di elaborazione. La riduzione dei tempi di processing consente anche di sviluppare un maggior numero di modelli di imaging per poi sceglierne il migliore.
L’interpretazione del dato sismico è un procedimento tradizionalmente considerato manuale, eventualmente semiautomatico, ma sempre con supervisione umana, in quanto l’interpretatore applica skills non solamente geofisici, ma anche relativi alla geologia strutturale e stratigrafica. Recentemente si stanno sviluppando sempre più modelli di interpretazione sismica semiautomatica, anche grazie all’uso del machine learning e dell’IA, specialmente nell’identificazione dei sistemi di faglie e nell’interpretazione sequenziale; recentemente Saudi Aramco ha dichiarato di aver ridotto i costi di esplorazione del 50% e incrementato il tasso di successo delle scoperte di circa il 30% utilizzando l’IA per l’analisi dei dati sismici.
I supercomputer e l’IA fanno la parte del leone nei processi di simulazione statica e dinamica dei giacimenti. I modelli statici geologici di strutture di sottosuolo complesse possono richiedere numerose simulazioni potenzialmente intensive dal punto di vista del calcolo: si pensi alla propagazione di modelli di facies con processi di object modelling o, addirittura, all’applicazione di forward models di processi sedimentari sia clastici che carbonatici. L’utilizzo di macchine sempre più potenti, inoltre, consente di dettagliare sempre più i modelli di sottosuolo, raggiungendo definizioni spaziali impensabili fino a qualche anno fa. Avere un modello estremamente dettagliato aiuta a non perdere le informazioni riguardanti eterogeneità geologiche a piccola-media scala che possono poi influenzare il comportamento dinamico del giacimento. L’addestramento di questi modelli richiede tuttavia l’uso di analoghi modelli di affioramento che richiedono ancora un approccio geologico “vecchia scuola” con scarponi e martello, ovviamente coadiuvato da nuove tecnologie quali mobile-GIS, fotogrammetria e lidar da drone e virtual outcrops.
Le simulazioni dinamiche di giacimento richiedono anch’esse risorse computazionali ingenti, specialmente per campi maturi caratterizzati da una lunga storia produttiva e da decine di pozzi: un singolo run per modelli di questo tipo poteva richiedere tempi lunghi in passato, spesso anche andando in “crash” a causa di parametri non corretti. L’uso di supercomputer in questo contesto consente di ridurre i tempi di simulazione, aumentando la quantità di scenari e permettendo di fare del fine-tuning sui modelli, diminuendo i rischi per lo sviluppo dei campi, permettendo addirittura simulazioni in tempo reale durante la produzione.
In generale, l’uso di sistemi ad alte prestazioni sta diventando sempre più comune nell'industria, anche grazie ad una diminuzione dei costi, e alla necessità di eseguire simulazioni geologiche di particolare complessità. Il supercomputer HPC6 si inserisce in questo contesto, avendo Eni una lunga tradizione di sviluppo in-house di software e hardware per supportare le sue attività di geoscienze digitali, migliorando l’efficienza nello sviluppo di giacimenti e nella scoperta di nuove riserve di idrocarburi.
Decisioni che prima dipendevano da intuizioni o analisi lente sono oggi guidate da simulazioni rapide e modelli predittivi, aumentando i tassi di successo, migliorando la sicurezza e riducendo l’impatto ambientale: identificare preventivamente le posizioni ottimali di perforazione e strategie efficienti di produzione può significare meno sprechi, minori impatti ambientali e maggiore produttività per ogni pozzo.
Le geoscienze digitali continuano quindi a crescere in importanza, grazie allo sviluppo di modelli di IA dedicati e ancor più predittivi. Inoltre, queste tecnologie vengono applicate anche oltre il contesto degli idrocarburi: ad esempio, per la cattura e stoccaggio della CO₂, consentendo di riutilizzare vecchi giacimenti come siti di stoccaggio sicuri, oppure per la geotermia profonda.
Sfruttando l’IA e i supercomputer, l’industria petrolifera e del gas può visualizzare l’invisibile, prendere decisioni più intelligenti e affrontare la doppia sfida di fornire energia, facendolo in modo più sostenibile. In questo contesto di forte innovazione tecnologica, rimane tuttavia fondamentale il contributo umano sia nella fase di input del dato che per la validazione dei risultati, per evitare che “allucinazioni” dei sistemi IA possano inficiare i benefici del loro utilizzo.
