力學所在干酪根結構的機器學習研究中取得進展

       干酪根是頁巖油氣的主要母質，其分子模型構建及熟化機理是油氣勘探開發的理論基礎。中國科學院力學研究所趙亞溥研究團隊前期針對珍貴的深部頁巖樣品，基于大量實驗及計算，構建了目前國際最大的干酪根分子群，建立了干酪根的時間-溫度-成熟度關系[Global Challenges 3, 1900006 (2019)；Fuel 278, 118264 (2020)]。由于干酪根具有分子量大、官能團多樣等特點，導致干酪根結構模型重構中存在“組合爆炸”難題，理論存在的干酪根構型數目是一個遠大于5^n/4的數字（n為碳原子數）。傳統構建方法通過大量實驗和試錯探索合理構型，效率較低，限制了干酪根化學-力學性質的進一步研究。

　　近日，趙亞溥團隊采用機器學習結合實驗數據的方法預測干酪根組分及其結構特征。在課題組前期分子結構研究的基礎上，研究人員結合深部頁巖干酪根實驗數據，構建了超過10萬組可靠樣本庫，為通過機器學習方法智能化構建干酪根模型提供了數據保障。經訓練的機器學習模型對干酪根骨架結構預測準確度達到96.1%（圖1）, 對干酪根類型特征的預測準確度約為90%（圖2）。此外，采用機器學習方法預測干酪根成熟度也十分準確。

　　研究表明，機器學習方法在干酪根組分預測和特征分析中性能優異，為智能化高通量建立我國干酪根分子樣本庫及化-力性質分析平臺奠定了基礎。

　　相關研究成果以Predicting the components and types of kerogen in shale by combining machine learning with NMR spectra為題，發表在Fuel上。研究工作得到國家自然科學基金重點項目和中科院前沿科學重點研究計劃等的支持。

圖1.機器學習方法預測干酪根組分

圖2.機器學習方法預測干酪根類型