ControlBid

Inovação: desafios abertos › 3337

Desafio de inovação 3337 · Exploração e Produção de Petróleo e Gás Natural - Onshore e Offshore

Métodos avançados para modelagem computacional da propagação de ondas sísmicas em meios complexos e heterogêneos

finalizada

Prazo de envio
04/09/2026, 00:00
Tema
Exploração - Horizonte Pré-Sal, Águas Profundas, Bacias Maduras e Novas Fronteiras Exploratórias
Subtema
Desenvolvimento de Novos Algoritmos
TRL pretendido
TRL4-6
Desenvolvimento
até 36 meses

Objetivo

O objetivo principal do termo de cooperação é desenvolver, avaliar e comparar métodos avançados para a modelagem do problema direto de propagação de ondas em meios complexos e não homogêneos, combinando operadores neurais, métodos híbridos de aprendizado de máquina científico e métodos numéricos modernos. A pesquisa deverá abranger modelos de operadores neurais, incluindo, mas não se limitando a Operadores Neurais de Fourier (Fourier Neural Operators, FNO), Operadores Neurais de Fourier Adaptativos (Adaptive Fourier Neural Operators, AFNO), Operadores Neurais Espectrais (Spectral Neural Operators, SNO), Operadores Neurais Informados pela Física (Physics-Informed Neural Operators, PINO) e Operadores Neurais Baseados em Wavelets (Multiwavelet Neural Operators, MWNO), entre outros. Também deverá abranger métodos numéricos modernos, combinando discretizações espaciais modernas, incluindo, mas não se limitando a, métodos de linha (method-of-lines), métodos de Galerkin com diferentes bases e diferenças finitas distribucionais, associadas a integradores exponenciais no tempo (Exponential Time Differencing, ETD). Os métodos deverão ser avaliados progressivamente, da equação acústica com densidade constante em 1-D a formulações acústicas de densidade variável e elásticas em dimensões mais altas, incluindo efeitos de anisotropia e atenuação, com foco em precisão controlada, custo computacional, uso de memória, escalabilidade e diferenciação para integração futura em fluxos de problemas inversos.

Desafio

A modelagem da propagação de ondas em meios heterogêneos é etapa central em fluxos de imageamento sísmico, como a Migração Reversa no Tempo (Reverse Time Migration, RTM) e de inversão sísmica, como a Inversão de Campo de Onda Completo (Full Waveform Inversion, FWI), mas permanece entre os componentes de maior custo computacional e de memória. Em aplicações realistas da indústria de óleo e gás, o problema direto da propagação de onda sísmica precisa ser resolvido repetidas vezes para diferentes modelos de velocidade, fontes, frequências e cenários físicos, o que torna o desempenho dos solvers um fator crítico para a viabilidade de estudos de alta resolução e de problemas inversos em larga escala.

Os métodos numéricos clássicos, como diferenças finitas, métodos espectrais e elementos espectrais, são robustos e bem estabelecidos, porém podem demandar malhas finas, passos de tempo restritivos e grande capacidade de armazenamento, especialmente em modelagens tridimensionais, meios complexos, altas frequências e formulações elásticas, anisotrópicas e/ou atenuantes. Esse cenário impõe o desafio de buscar alternativas que preservem precisão e estabilidade numéricas, mas reduzam a demanda computacional total de execução e facilitem a integração com ambientes de computação de alto desempenho (High Performance Computing, HPC).

Ao mesmo tempo, operadores neurais e métodos híbridos de aprendizado científico surgem como alternativas promissoras para aprender mapas entre parâmetros de equações diferenciais e suas soluções, amortizando o custo de treinamento quando muitas modelagens precisam ser realizadas. Persistem, entretanto, desafios relevantes de generalização, controle de erro, tratamento de geometrias e meios fora da distribuição de treinamento, escalabilidade para 3-D e uso confiável em problemas inversos. O projeto deverá enfrentar esses desafios de forma sistemática, comparando diversas formas de operadores neurais, métodos numéricos clássicos e métodos numéricos modernos em uma grade crescente de complexidade física e computacional.

Solução esperada

Método

1 - Desenvolvimento e avaliação de operadores neurais para propagação de ondas acústicas e elásticas em 1D e 2D, incluindo FNO, AFNO, SNO, PINO e MWNO, contemplando novas arquiteturas, estratégias de treinamento, funções objetivo e mecanismos de incorporação de informação física.

2 - Desenvolvimento e comparação de métodos numéricos modernos para o problema direto, combinando discretizações espaciais como method-of-lines, métodos de Galerkin com diferentes bases e diferenças finitas distribucionais com integradores exponenciais no tempo, incluindo análise de estabilidade, dispersão, custo computacional e uso de memória. Tais desenvolvimentos devem ser aplicados nas equações acústicas e elásticas em 2D.

3 - Construção de uma metodologia progressiva de validação, iniciando pela equação da onda acústica em 1-D, avançando para problemas acústicos em dimensões espaciais mais altas, equações elásticas isotrópicas em 1-D e em dimensões espaciais mais altas, e culminando na inclusão de efeitos de anisotropia e atenuação por viscosidade em configurações representativas da prática da Petrobras.

4 - Entrega de baselines, códigos e protótipos computacionais executáveis em ambiente de HPC, com documentação de acurácia, frequência de discretização, escalabilidade, utilização das unidades de processamento gráfico (Graphics Processing Units, GPUs), uso de memória, vantagens, desvantagens e regimes de aplicabilidade. Os resultados deverão incluir modelos diferenciáveis do problema direto e recomendações para integração futura em fluxos de RTM, FWI e outros problemas inversos.

Acompanhe os desafios de inovação da Petrobras

O ControlBid organiza os desafios abertos, prazos e a sua participação.

Perguntas sobre este desafio

Qual o prazo para enviar proposta ao desafio 3337?

Encerrou em 04/09/2026, 00:00, horário de Brasília.

Que tipo de solução o desafio 3337 espera?

Método, com maturidade TRL4-6 e até 36 meses de desenvolvimento.