정 제자리(well) 배치 최적화는 현장 개발 계획에서 석유 및 가스 회수와 경제성 측면에서 핵심적인 과제이다. 이 문제는 국소 최적점이 매우 다양하기 때문에, 전역 탐색 알고리즘에 의해 막대한 계산 비용이 요구되는 등 상당한 어려움을 수반한다. 이러한 문제를 해결하기 위해 많은 경우에 저류층 시뮬레이션을 대체하기 위한 프록시 모델들이 적용되어 왔다. 그중에서도 입력으로 스트림라인(time of flight) 지도(streamline time of flight maps)를 사용하는 합성곱 신경망(convolutional neural network) 기반 프록시 모델은 뛰어난 성능을 보인 바 있다. 그러나 이러한 모델은 최적화 과정에서 성능이 점차 저하되는 경향이 있어, 성공적인 결과를 위해 추가적인 재학습 과정이 필요하다. 본 연구에서는 정적 및 동적 정보를 통합하는 물리 기반 품질 지도(physics-informed quality maps)를 활용한 초기 샘플링(initial sampling) 방식을 제안한다. 품질 지도는 배수 면적(drainage area)과 투과도(permeability)를 결합하여 각 저류층 격자의 품질을 나타낸다. 제안된 샘플링 방식은 다른 샘플링 방식에 비해 더 나은 성능을 제공한다. 또한 제안된 방식은 재학습 없이도 샘플 수의 개수와 무관하게 효율적인 정 제자리 배치 최적화를 가능하게 함을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.