| PHYSICSD2L - Domando reservatórios com aprendizado de máquina: da sísmica às lâminas petrográficas (physics_driven_dl) |
| Instituição CBPF - Centro Brasileiro de Pesquisas Físicas | Coordenador Marcelo Portes de Albuquerque |
| Tipo de Projeto P&DI | Classe de Financiamento ANP | Financiador Petrobras - EDISE - Petróleo Brasileiro S A Petrobras | Valor Aprovado R$ 7.500.000,00 |
| Início 2022-07-29 | Vigência 2026-10-25 | Número de Convênio 0050.0121790.22.9 | Referência 2022/00247-5 SAP 4600669633 |
| Objeto/Objetivos Propor soluções para entendimento e caracterização de reservatórios de rochas sedimentares do pré-sal brasileiro. Utilizar modelos de redes neurais de arquiteturas profundas, algoritmos de machine learning associadas a modelagem physics-driven e uso de ambientes multi-gpus em workflows otimizados e competitivos com o mercado de óleo e gás. Analisar dados de petrografia digital, perfis, ressonância magnética e imageamento sísmico para compreensão de modelos geológicos do pré-sal brasileiro. |
| Informações financeiras |
Documentos associados a Contratos