Petrol ve petrokimyasalların önemli bir parametresi olan viskozite, rezervlerin doğal süreçlerin daha iyi anlaşılmasına ve modellenmesine yardımcı olurken, üretim ve işleme açısından etkilere sahiptir. Standart petrol viskozitesi değerlendirme ve izleme teknikleri oldukça zorlu ve pahalıdır, bazen ise teknik olarak mümkün değildir. NMR, bir malzemenin elektromanyetik enerjiyi emme ve yayma yeteneği sayesinde özelliklerin belirlenmesine yardımcı olabilir. Petrol, kimyasal olarak heterojen bir hidrokarbon karışımıdır, bu da NMR sonuçlarının yorumlanmasını son derece zor hale getirir.

Skoltech, Calgary Üniversitesi (Kanada) ve Curtin Üniversitesi'nden (Avustralya) bir grup bilim insanı, ML algoritmalarını kullanarak NMR verilerini işledi. Kanada ve Amerika Birleşik Devletleri'ndeki sahalardan alınan çeşitli petrol türlerine ilişkin NMR verileri üzerine eğitilen modelleri, laboratuvar testleriyle onaylanan doğru bir viskozite tahmini üretti.

Skoltech Hidrokarbon Geri Kazanım Merkezi'nde (CHR) görevli ve çalışma ekibinden biri olan Dmitry Koroteev'e göre, araştırmaları ML algoritmalarının materyallerin özelliklerini dolaylı olarak ve daha spesifik olarak viskozimetri yerine NMR ölçümlerini kullanarak karakterize etmeye nasıl yardımcı olabileceğini gösteriyor. Pratik anlamda bu, yüzey altı rezervlerdeki petrol hakkında numuneleri çıkarmadan ve testler için laboratuvara götürmeden bilgi edinilebileceği anlamına geliyor.

Profesör Koroteev, "Şaşırtıcı bir şekilde, ML burada geleneksel korelasyonlardan daha iyi çalışıyor. Elimizdeki doğrudan ve dolaylı deneysel ölçümler, ML algoritmalarımız için iyi bir eğitim setiydi. Testler, algoritmaların iyi bir genelleme yeteneğine sahip olduğunu ve yeniden eğitim gerektirmediğini gösterdi" dedi.