کارشناس صنعت نفت و مدیرعامل یک شرکت دانش بنیان نفتی گفت: کسب اطلاعات مربوط به ارزیابی مؤلفه‌های مرتبط با مخازن نفت و گاز مانند تخلل سنگ‌های مخزن و میزان تراوایی آن‌ها به منظور تولید نفت، تاکنون با آزمایش روی سنگ‌های به دست آمده از درون چاه‌های نفتی یک مخزن صورت می‌گرفت که یک فرآیند چند ماهه تا چند ساله است؛ اما روش جدیدی با استفاده از هوش مصنوعی برای کاهش این زمان ابداع شده است.

او می‌گوید، با خارج شدن نمونه از درون چاه و تغییر شرایط واقعی آن، از دقت محاسبات هم کاسته می‌شود که برای رفع این ایرادات، سامانه‌ای ایجاد شده که یک آزمایشگاه دیجیتال است؛ در این آزمایشگاه، خلل و فرج نمونه به دست آمده ابعاد میکرو، سی تی اسکن می‌شود و تصاویر سه بعدی توموگرافی (نوعی مطالعه تصویربرداری) و بازسازی شده را در اختیار قرار می‌دهد که شبیه همان نمونه، فقط به صورت دیجیتال است.

به گفته آقای میثاقی، سامانه مذکور قابلیت این را هم دارد که به جای آزمایش روی مغزه‌های نفتی (نمونه‌های استوانه‌ای استخراج شده از مخزن)، در محل حفاری روی خرده‌های حاصل از حفاری نیز این محاسبات را انجام دهد؛ ضمن آن که فرآیند را در چند ساعت به جای صرف زمان طولانی می‌توان انجام داد.

این آزمایشگاه هوشمند که با استفاده از هوش مصنوعی، محاسبات عددی مخازن را توسعه می‌دهد و مؤلفه‌های آن‌ها را ارائه می‌کند، فقط یک نمونه آمریکایی دارد و فعالیت‌های محدودی هم در برخی کشور‌های اروپایی روی آن انجام شده و متخصصان داخلی موفق به بومی سازی آن شده‌اند.

یکی از اهداف توسعه فناوری در حوزه فعالیت‌های شرکت ملی نفت در سند جهت‌گیری‌های کلان و سیاست‌های پژوهشی، فناوری و تجاری‌سازی وزارت نفت، توسعه و بومی‌سازی نرم‌افزارهای نوین مطالعه و تفسیر داده‌های زمین‌شناسی، پتروفیزیکی و ژئوفیزیکی است که یازدهم بهمن پارسال از سوی وزیر نفت ابلاغ شده است.