مقياس حرارة جيولوجي بالتعلم العميق للمكامن العميقة

تُشكّل معرفة حرارة المكمن أساس كل قرار مبكر في الاستكشاف الجيوحراري، غير أن قياسها يعني الحفر. وتستنتجها مقاييس الحرارة الكيميائية التقليدية من كيمياء الينابيع، لكنها تفترض اتزاناً بين المائع والمعادن يكسره الاختلاط والتغويز باستمرار؛ أما الطرائق متعددة المكوّنات فتتطلب تحسيناً معقداً وخبرة معدنية. وتقدّم هذه الدراسة التي قادتها جيولوجيك® عام 2025 نظام aiION®، وهو مقياس حرارة كيميائي قائم على التعلّم العميق يتنبأ بحرارة المكمن العميق من ثمانية مدخلات تُقاس روتينياً: الأيونات الرئيسية والسيليكا ودرجة الحموضة في عيّنة المياه.

دُرِّب النموذج على 674 عيّنة مياه مُنقّاة بدقة من حوض الغريت بيسن في نيفادا، وهو من أكبر الأقاليم الجيوحرارية في العالم، مع حرارات هدف تجمع أربع طرائق استدلال: مقاييس الحرارة السيليكية التقليدية، وقياس الحرارة متعدد المكوّنات ببرنامج iGeoT، وقاعدة بيانات إقليمية لحرارة قاع البئر تضم 2,365 مُدخلاً، ومقياس حرارة منشور قائم على تعلّم الآلة. ومن بين أربع خوارزميات مُقارَنة، تفوّقت الشبكة العصبية العميقة بوضوح، إذ فسّرت أكثر من 97% من تباين الحرارة بمتوسط خطأ مطلق على مجموعة الاختبار قريب من 2.6 °م. وبالتحقق على 42 بئراً جديدة من حقول جيوحرارية حول العالم، حافظ aiION® على معامل تحديد قدره 0.83، لكن بمتوسط خطأ مطلق قدره 22.8 °م على تلك المجموعة الخارجية، كما وقعت كثير من عيّنات التحقق خارج حدّ اتزان الشحنات البالغ ±5%، ومن ثم قد يعود جزء من ذلك الخطأ إلى جودة بيانات الإدخال.