Новая геометрическая модель движения жидкостей в породе. Глубоко под земной поверхностью нефть и грунтовые воды просачиваются через щели в скалах и других геологических материалах. Эти важные ресурсы, скрытые от глаз, представляют серьезную проблему для ученых, стремящихся оценить состояние таких двухфазных потоков жидкости. К счастью, сочетание методов суперкомпьютинга и формирования изображений на основе синхротрона позволяет создавать более точные методы моделирования потока жидкости в крупных подземных системах, таких как нефтяные резервуары, поглотители для улавливания углерода и подземные водоносные горизонты.

Моделирование различных геометрических состояний флюида (красный) в породе (загар). Используя Титан, исследователи подтвердили геометрическую модель для характеристики потока жидкости в пористых породах и геологических материалах из теории. Фото: Джеймс МакКлюр

Исследователи под руководством ученого по вычислительной технике Джеймса МакКлюра из Virginia Tech использовали суперкомпьютер Titan с 27 петафлопами в Oak-Ridge Leadership Computing Facility (OLCF) для разработки геометрической модели, которая требует только нескольких ключевых измерений для определения того, как жидкости располагаются в пористой породе – что это их геометрическое состояние.

OLCF – это научно-исследовательский центр Министерства науки США, расположенный в Национальной лаборатории Ок-Риджа Министерства энергетики США. Результаты команды были опубликованы в Physical Review Fluids в 2018 году.

Новая геометрическая модель предлагает геологам способ уникального прогнозирования состояния флюида и преодоления общеизвестного недостатка, связанного с моделями, которые использовались более полувека.

Примерно на рубеже 20-го века немецкий математик Герман Минковский продемонстрировал, что трехмерные объекты связаны с четырьмя основными мерами: объем, площадь поверхности, интегральная средняя кривизна и характеристика Эйлера. Тем не менее, в традиционных вычислительных моделях для подземного потока, объемная доля обеспечивает единственную меру состояния флюида и использует данные наблюдений, собранные с течением времени для максимальной точности. Основываясь на фундаментальном анализе Минковского, эти традиционные модели являются неполными.

«Математика в нашей модели отличается от традиционной модели, но она работает довольно хорошо», – сказал МакКлюр. «Геометрическая модель характеризует микроструктуру среды с использованием очень ограниченного числа мер».

Чтобы применить результат Минковского к сложным, многофазным жидкостным конфигурациям, обнаруженным в пористых породах, команде McClure потребовалось создать большой объем данных, а Titan предоставил чрезвычайно необходимую вычислительную мощность.

Работая с международными сотрудниками, команда отобрала пять наборов данных микрокомпьютерной томографии (microCT), собранных рентгеновскими синхротронами, чтобы представить микроскопическую структуру реальных горных пород. Наборы данных включали два песчаника, песчаную пачку, карбонатную породу и синтетическую пористую систему, известную как Robuglas. Команда также включила смоделированный пакет сфер.

В каждой породе были смоделированы и проанализированы тысячи возможных конфигураций флюидов, что составляет более 250 000 конфигураций флюидов. Используя данные моделирования, команда смогла показать, что между четырьмя геометрическими переменными существует уникальная взаимосвязь, проложив путь для нового поколения моделей, которые предсказывают состояние жидкости из теории, а не полагаясь на исторический набор данных.

«Отношения, которые раньше считались зависимыми от истории, теперь могут быть пересмотрены на основе строгой геометрической теории», – сказал МакКлюр.

Команда использовала код Lattice Boltzmann for Porous Media (LBPM) с открытым исходным кодом, разработанный McClure и названный по методу решетчатого метода Больцмана, основанного на статистике, который вычисляет поток жидкости через диапазон масштабов быстрее, чем вычисления с использованием конечных методов, которые являются наиболее точными в небольших масштабах. Код LBPM, который использует графические процессоры Titan для ускорения моделирования потока жидкости, выпущен в рамках инициативы Open Porous Media, которая поддерживает коды с открытым исходным кодом для исследовательского сообщества.

«Методы решетчатого Больцмана очень хорошо работают на графических процессорах», – сказал МакКлюр. «В нашей реализации моделирование выполняется на графических процессорах, а ядра процессоров анализируют информацию или изменяют состояние жидкостей».

На исключительных скоростях вычислений команда смогла анализировать состояние симуляции примерно через каждые 1000 шагов или примерно каждую минуту вычислительного времени.

«Это позволило нам сгенерировать очень большое количество точек данных, которые можно использовать для изучения не только геометрического состояния, но и других аспектов физики потока по мере нашего продвижения вперед», – сказал МакКлюр.

Для изучения того, как разнообразные свойства и микроструктура реальных горных пород влияют на поведение геометрических соотношений в масштабах длины, потребуются большие моделирования. Суперкомпьютеры нового поколения, такие как новейшая система OLCF – саммит IBM AC922 на 200 петафлопов, – будут необходимы для соединения физики потоков в масштабах длины, варьирующихся от нанометров до миллиметровых пор, с резервуарами, которые могут простираться на несколько километров.

«Выпуск суперкомпьютера Summit позволяет проводить более масштабное моделирование, которое еще больше расширит границы нашего понимания этих сложных многомасштабных систем», – сказал МакКлюр.

По материалам phys.org