João Vitor Prudente
Um dos maiores desafios da engenharia é prever o comportamento das rochas na exploração de reservatórios de petróleo. Para planejar operações em alto-mar, os pesquisadores trabalham com um número limitado de amostras, coletadas em grandes profundidades, para estimar as características geológicas das formações ao redor dos reservatórios. Mas como contornar essa limitação em ambientes geológicos extremamente extensos e heterogêneos?
Uma iniciativa desenvolvida no Laboratório de Computação de Alto Desempenho e Aprendizado de Máquina em Engenharia (L’CADAME) propõe uma abordagem diferente para enfrentar esse desafio. Batizado de Diff-Twins, o projeto utiliza inteligência artificial generativa para criar múltiplos cenários realistas de fenômenos que os cientistas têm dificuldade de analisar por meio dos métodos tradicionais de amostragem.
A expressão Diff-Twins sintetiza o conceito central da iniciativa: “Diff” remete aos modelos de difusão (diffusion, na palavra em inglês), tecnologia que sustenta a IA generativa moderna, enquanto “Twins” (gêmeos) representa a ideia de gerar múltiplos cenários digitais, ou “gêmeos digitais”, de um mesmo fenômeno físico.
“Em vez de depender apenas de poucas amostras físicas, os engenheiros podem gerar muitas rochas virtuais ou digitais bem realistas, com diferentes estruturas microscópicas e propriedades prescritas”, explica Hamidreza Anbarlooei, professor do Instituto de Matemática da UFRJ. “Essas rochas digitais podem então ser estudadas em diferentes condições, incluindo variações de comportamento em distintas direções e interações com fluidos distintos, como óleo, água e CO₂.”
Das rochas ao oceano
O projeto atua em duas frentes complementares. Na área geológica, a equipe simula rochas tridimensionais que buscam reproduzir com fidelidade as características e a estrutura interna dos reservatórios. Isso permite estudar o comportamento no interior do material, auxiliando a compreender a complexidade do ambiente e aumentando a precisão na tomada de decisões por engenheiros.
Na área oceânica, a tecnologia foi adaptada para prever correntes marítimas que podem impactar operações offshore. As simulações oceanográficas convencionais dependem de modelos numéricos extremamente complexos e de alto custo computacional. O Diff-Twins oferece uma alternativa baseada em IA, capaz de aprender com anos de simulações anteriores e dados observacionais de correntes oceânicas.
Após o treinamento, o modelo consegue gerar previsões de cenários futuros com maior rapidez e menor custo. “Treinamos modelos capazes de prever mediante uma janela de contexto temporal. Olhamos variáveis, como a altura da elevação da superfície do ar, uns dias para trás. A partir dos nossos modelos, conseguimos prever as condições daqui a 24 horas ou daqui a quatro dias”, exemplifica Henry Willian, mestrando com ênfase em matemática aplicada.
IA na universidade
A adoção de IA em setores tradicionais, como petróleo e gás, ainda ocorre de forma gradual. O Diff-Twins, coordenado pelo professor Anbarlooei, surgiu com a proposta de incorporar essas novas tecnologias às aplicações voltadas para a simulação de reservatórios.
“A UFRJ possui uma longa tradição de excelência nas áreas de engenharia, matemática aplicada, geociências e pesquisa em energia. O que a IA generativa está fazendo agora é criar uma oportunidade de conectar essas áreas já consolidadas com um dos campos científicos de crescimento mais acelerado do mundo”, analisa o pesquisador.
Danilo Naiff, doutorando em engenharia mecânica e um dos integrantes do projeto, explica que a utilização da inteligência artificial potencializa e deixa o processo de aprendizado mais dinâmico. “Usamos IA para criar código e nas avaliações de experimento, todos os dias. Ela é um fator acelerador de todo nosso processo científico. É como ter um assistente de pesquisa disponível a todo momento”, compara Naiff.
Vinculado ao Instituto de Matemática e à Coppe, o laboratório reúne cerca de 40 pesquisadores de diferentes áreas do conhecimento. Entre eles estão professores, pós-graduandos e estudantes de cursos como geologia, engenharia, oceanografia e matemática aplicada.
Essa configuração multidisciplinar não se dá por acaso. “É uma das maiores forças do laboratório. Ela nos permite combinar conhecimento teórico, métodos computacionais e expertise prática em engenharia para trabalhar em problemas complexos que não podem ser resolvidos a partir de uma única perspectiva disciplinar”, complementa Anbarlooei.
O Diff-Twins é desenvolvido em parceria com a ExxonMobil. Desde a criação, em 2022, a iniciativa acompanha uma tendência internacional de aproximação entre pesquisa acadêmica e aplicações práticas da indústria. “Algumas das universidades mais competitivas do mundo são justamente aquelas capazes de integrar matemática, computação, engenharia e ciências aplicadas em um ambiente de pesquisa unificado”, avalia o coordenador do projeto.
