본 연구는 희소한 관측치를 기반으로 염수대수층의 공간적으로 변화하는 투수율 및 포화도장을 재구성하는 데 초점을 맞춰, 저류층 시뮬레이션에 점수 기반 생성 모델을 사용하는 것을 조사합니다. 고충실도 저류층 시뮬레이션에서 얻은 투수율과 포화도의 결합 분포를 모델링함으로써, 제안된 신경망은 다공성 매체에서 다상 유체 흐름을 지배하는 복잡한 시공간 역학을 학습하도록 훈련됩니다. 추론 중에, 이 프레임워크는 유정 로그 데이터에서 추출된 희소한 수직 프로필을 조건으로 하여 투수율 및 포화도 필드를 효과적으로 재구성합니다. 이 방법은 물리적 제약 조건과 유정 로그 안내를 생성 모델에 통합하는 새로운 방법론을 제시하여 재구성된 지하 상태의 정확성과 물리적 타당성을 크게 향상시킵니다. 또한, 이 프레임워크는 다양한 지질학적 시나리오에서 강력한 일반화 기능을 보여주어 데이터 부족 저류층 관리 작업에 실제로 배포될 가능성을 강조합니다.
