Forestill deg en maskinlæringsmodell som er mer kjent med de seismiske strukturene på norsk kontinentalsokkel enn noen annen modell – eller menneskelig ekspertise.
Dette er nyvinningen til Norsk Regnesentral (NR), som sammen med Aker BP og Equinor har utviklet det de kaller en grunnmodell for seismikk (NCS Seismic Foundation Model). Nylig meldte NR at den lanseres med åpen kildekode.
NCS-modellen har blitt trent på Norges nasjonale superdatamaskin Olivia, matet med store mengder offentlige seismiske data fra DISKOS-databasen. Totalt har modellen gjort seg kjent med flere titalls terabyte med data fra over tusen seismiske kuber fra norsk sokkel.
I stedet for oppgavespesifikke modeller som krever enorme mengder merkede data, lærer denne grunnmodellen direkte fra seismiske rådata gjennom selv-veiledet læring. Den «pusler» sammen maskerte deler av seismiske snitt og lærer kontinuitet, lagdeling, amplitude-teksturer og andre geologiske mønstre og finurligheter uten menneskelige etiketter.
Geofysiker Aina Juell Bugge i Aker BP understreker den praktiske verdien:
– Vi bruker allerede maskinlæring i seismisk prosessering og tolkning. Med en ferdig trent og generalisert grunnmodell kan vi redusere tiden det tar å utvikle nye modeller fra bunnen av.
Hun legger til at dette gir raskere oppstart i prosjekter, mer konsistente resultater og bedre utnyttelse av dataene.
– Når grunnmodellen tar seg av det tyngste arbeidet med uttrekk av egenskaper fra seismiske data, blir det mulig å bygge små og raske algoritmer på toppen. Dette gjør KI-basert tolkning mer interaktiv, samtidig som terskelen for å teste nye ideer senkes, forklarer David Wade, forsker i Equinor og partner i prosjektet.
Grunnmodeller er allerede godt etablert innen språk- og bildeanalyse, men det er først nylig at tilsvarende modeller for seismiske data har kommet til. Målet er å gjøre tolkning av seismiske data og undergrunnsstrukturer langt mer effektiv – enten det gjelder leting etter olje og gass eller prosjekter knyttet til CO₂-lagring og havvind, samt planlegging av offshoreinstallasjoner.
At modellen nå gjøres åpent tilgjengelig, trekkes frem som et viktig poeng. Mens mange tilsvarende løsninger fra andre leverandører er lukkede, åpner denne for transparens og innovasjon på tvers av industri og akademia.
– Med åpen modell får både forskningsmiljøer og kommersielle aktører innsyn i hvordan modellen er bygget opp, og mulighet til å videreutvikle den i nye retninger, påpeker prosjektleder Anders Waldeland ved NR.
For industrien kan dette redusere behovet for å utvikle modeller fra bunnen av. For forskningsmiljøer og studenter kan det gi tilgang til avansert teknologi som tidligere har vært utilgjengelig.
Arbeidet med grunnmodellen har allerede fått oppmerksomhet. Under Dig X Subsurface-konferansen i 2025 ble Waldeland tildelt prisen Digital Trailblazer 2025, blant annet for utviklingen av denne modellen.