Gjør KI-modell for seismikk åpent tilgjengelig
Seismisk tolkning er i dag tidkrevende og krever store mengder manuelt arbeid. Nå har forskere ved Norsk Regnesentral (NR), i samarbeid med Aker BP og Equinor, utviklet en grunnmodell som kan gi geologer nye og mer effektive verktøy for tolkning av seismikk. Modellen gjøres tilgjengelig som åpen kildekode, noe som legger til rette for videre forskning og innovasjon i Norge og internasjonalt.
Seismisk tolkning med hjelp av Olivia
NCS-modellen er trent på seismiske data fra Norges nasjonale datalager for lete- og utvinningsrelatert informasjon, DISKOS, ved hjelp av den norske superdatamaskinen Olivia.
Målet med modellen er å bidra til mer effektiv tolkning av seismiske data og undergrunnsstrukturer, blant annet ved å identifisere potensielle olje- og gassforekomster. Modellen kan også brukes på andre områder der seismikk spiller en sentral rolle, som CO₂-lagring og planlegging av offshoreinstallasjoner, inkludert plattformer og havvind.
Modellen lanseres med åpen kildekode. Det gjør det mulig for mange aktører å ta den i bruk og bygge videre på den.
Et puslespill
Utviklingen er en del av NRs langsiktige arbeid med dyp læring, som startet i 2014. Tidlige KI-modeller var oppgavespesifikke og krevde store mengder merkede treningsdata, noe som ga gode resultater, men også høye krav til datagrunnlaget.
Med introduksjonen av selv-veiledet læring (self-supervised learning) ble det mulig å trene modeller direkte på rådata. Dette la grunnlaget for dagens grunnmodeller, eller foundation models på engelsk.
Grunnmodeller er generelle KI-modeller som først trenes på store mengder rådata, og som deretter kan finjusteres til ulike oppgaver med relativt lite ekstra treningsdata.
Anders Ueland Waldeland leder NCS-prosjektet for NR. Han forklarer grunnmodeller med en enkel analogi:
– Man kan se på grunnmodeller som puslespill. Når barn pusler, må de lære seg å gjenkjenne sammenhenger i objekter på bilder. Slik er det for datamaskinen også. Vi trenger ikke merkede treningsbilder – vi setter maskinen til å «pusle» sammen data. Slik lærer den hvordan verden henger sammen.
Anders Ueland Waldeland. Foto: NR
Mens puslespill ofte gjøres alene, er Waldeland opptatt av at modellen skal forstås som et lagarbeid og roser NR-kollegaene Alba Ordoñez og Theodor Johannes Line Forgaard.
– Det er jo de som har gjort jobben.
En ny tilnærming innen seismikk
Grunnmodeller er i dag godt etablert innen blant annet språk og bildeanalyse, men det er først nylig at tilsvarende modeller for seismiske data har kommet på plass.
– På mange måter er seismiske data, refleksjoner av lyd fra undergrunnen, språket til bergartene som Norges energiressurser stammer fra, forklarer David Wade, forsker i Equinor og partner i prosjektet.
Selv om det i dag brukes dype nevrale nettverk i seismisk tolkning, har disse til nå vært utviklet for svært avgrensede formål.
– Ved å utvikle en grunnmodell basert på en stor andel av publiserte seismiske data i Norges nasjonale datalager, lærer modellen å gjenkjenne hele nyanseregisteret og uttrykksmåtene i det seismiske språket.
David Wade. Foto: Equinor
Grunnmodellen kan brukes som et felles utgangspunkt for å utvikle KI-modeller for ulike seismiske oppgaver. Når modellen allerede har lært å gjenkjenne strukturer i seismikken, kan den også tas i bruk på nye måter, blant annet til mer interaktiv tolkning av data.
– Modellene blir bedre når de har en god grunnmodell som utgangspunkt. Når man har en modell som «forstår» og kan identifisere ulike strukturer i seismikken, åpner det for en rekke nye anvendelser som ikke eksisterer enda, sier Waldeland.
Wade forklarer hvordan arbeidsprosessene kan bli mer effektive, og hvordan nye metoder kan utforskes med lavere terskel.
– 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.
– For Aker BP har dette arbeidet handlet om å utforske hvordan kunstig intelligens kan brukes på en faglig robust måte på seismiske data. Vi bruker allerede maskinlæringsmodeller i seismisk prosessering og tolkning, og med en grunnmodell kan vi redusere tiden som går med til å utvikle og trene nye modeller fra bunnen av, forteller geofysiker i Aker BP, Aina Juell Bugge.
– I stedet kan vi bygge videre på en ferdig trent og generalisert modell og tilpasse den til konkrete datasett og problemstillinger. Det kan gi raskere oppstart i prosjekter, mer konsistente resultater og bedre utnyttelse av tilgjengelige data.
Åpne modeller – en katalysator for forskning og innovasjon
Modellen skal gjøres åpent tilgjengelig. Det betyr at den kan fungere som en grunnleggende byggekloss i videreutvikling av både kommersielle produkter og tjenester, så vel som forskning. Studenter, forskere og andre aktører med begrensede ressurser eller tilganger kan ta utgangspunkt i grunnmodellen og bygge videre på den i sitt eget arbeid.
Waldeland understreker at en grunnmodell ikke nødvendigvis må være åpen:
– Aker BP og Equinor kunne i prinsippet ha valgt å holde modellen for seg selv. Det er andre leverandører som utvikler tilsvarende modeller, men disse er lukkede. 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.
For Aker BP og Equinor har en åpen modell vært en viktig målsetting.
– At modellen gjøres tilgjengelig som åpen kildekode, mener vi er avgjørende for transparens, videreutvikling og innovasjon på tvers av industri og akademia – og for å bygge tillit til hvordan teknologien brukes i praksis, sier Håkon Nese, data scientist i Aker BP.
– Equinor anerkjenner den store innovasjonskraften som finnes i leverandørmiljøet utenfor vår egen organisasjon, og vi vil dra nytte av å gi den best mulige forutsetninger. Dette er også i tråd med filosofien til vår regulerende myndighet, Sokkeldirektoratet, som forvalter dataene som grunnmodellen er trent på, forklarer David Wade.
Prisvinnende forskning
Arbeidet har også fått oppmerksomhet i næringslivet forøvrig. Under fjorårets Dig X Subsurface konferanse ble Waldeland tildelt prisen Digital Trailblazer of the Year av Geo365 for sitt arbeid innen seismisk tolkning og nyskapende bruk av kunstig intelligens i geovitenskap.
Juryen trakk spesielt fram grunnmodellen i sin begrunnelse. Der skrev de at modellen integrerer geologisk dybdekunnskap om den norske kontinentalsokkelen, og muliggjøre nær-sanntidsresultater av høykvalitet på tvers av flere oppgaver knyttet til forståelse og kartlegging av strukturer i undergrunnen.
Nå som den er tilgjengeliggjort, ligger forholdene til rette for å utforske nye metoder og anvendelser av KI i seismikk.
Aktuelle lenker
The NCS-model: A seismic foundation model trained on the Norwegian repository of public data (arXiv, 24. mars 2026)
A wide-impact digital pioneer (Geo365, 4. desember 2025)