Nuclear magnetic resonance reservoir characterization assisted by computational simulations

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Ribeiro, Matheus de Castro
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
dARK ID: ark:/87559/001300001c0jc
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://app.uff.br/riuff/handle/1/40138
Resumo: A Ressonância Magnética Nuclear (RMN) é uma ferramenta poderosa para caracterizar meios porosos, oferecendo entendimento sobre o comportamento de fluidos em espaços porosos. Este trabalho implementa simuladores baseados em imagens para experimentos de RMN utilizando o método Random Walk, com foco na caracterização de rochas reservatório via difusometria e relaxometria. Desafios computacionais são tratados por meio de paralelização massiva baseada em GPU e modelagem de dados para acesso otimizado à memória. Na difusometria, o coeficiente de difusão aparente é analisado ao longo do tempo utilizando a técnica de Gradiente de Campo Pulsado (PFG). Os comportamentos assintóticos de curto e longo prazo são usadas para estimar a razão superfície-volume e a tortuosidade, correlacionando esses parâmetros com a permeabilidade absoluta em meios granulares sintéticos e imagens segmentadas de arenitos e carbonatos. Os resultados das simulações concordam bem com experimentos em arenitos, porém mostram desvios nos carbonatos, possivelmente devido à presença de heterogeneidades como a porosidade vugular. Na relaxometria, investigamos o impacto de gradientes internos de campo magnético nos tempos de relaxação T2, influenciados por altos contrastes de susceptibilidade magnética. Para incorporar o mecanismo de relaxação difusiva, o fluxo de trabalho envolve o cálculo de mapas espaciais do campo magnético utilizando o método de elementos finitos baseado em imagens, seguido por simulações de Random Walk para modelar a dinâmica dos spins. Simulações realizadas em imagens segmentadas de modelos sinterizados de esferas de vidro com inclusões de óxidos de ferro e arenitos revelam desafios na interpretação de T2 como indicador do tamanho de poros. Além disso, distribuições quantitativas de gradientes internos obtidas de simulações multi-τ de RMN mostram uma concordância variada com os dados experimentais, falhando em capturar gradientes internos de maior magnitude associados a poros menores. Por fim, propomos uma abordagem para incorporar os efeitos de difusão restrita na análise.
id UFF-2_56ca4e6535b8504d9a385496388eb91f
oai_identifier_str oai:app.uff.br:1/40138
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str
spelling Nuclear magnetic resonance reservoir characterization assisted by computational simulationsRessonância magnética nucleaMeios porososAuto-difusão molecularGradientes pulsados de campo magnéticoRelaxação por difusãoEspectroscopia de ressonância magnética nuclearImagem de difusão por ressonância magnéticaSimulação por computadorNuclear magnetic resonanceRandom walkPorous mediaMolecular self-diffusionPulsed magnetic field gradientDiffusion relaxationA Ressonância Magnética Nuclear (RMN) é uma ferramenta poderosa para caracterizar meios porosos, oferecendo entendimento sobre o comportamento de fluidos em espaços porosos. Este trabalho implementa simuladores baseados em imagens para experimentos de RMN utilizando o método Random Walk, com foco na caracterização de rochas reservatório via difusometria e relaxometria. Desafios computacionais são tratados por meio de paralelização massiva baseada em GPU e modelagem de dados para acesso otimizado à memória. Na difusometria, o coeficiente de difusão aparente é analisado ao longo do tempo utilizando a técnica de Gradiente de Campo Pulsado (PFG). Os comportamentos assintóticos de curto e longo prazo são usadas para estimar a razão superfície-volume e a tortuosidade, correlacionando esses parâmetros com a permeabilidade absoluta em meios granulares sintéticos e imagens segmentadas de arenitos e carbonatos. Os resultados das simulações concordam bem com experimentos em arenitos, porém mostram desvios nos carbonatos, possivelmente devido à presença de heterogeneidades como a porosidade vugular. Na relaxometria, investigamos o impacto de gradientes internos de campo magnético nos tempos de relaxação T2, influenciados por altos contrastes de susceptibilidade magnética. Para incorporar o mecanismo de relaxação difusiva, o fluxo de trabalho envolve o cálculo de mapas espaciais do campo magnético utilizando o método de elementos finitos baseado em imagens, seguido por simulações de Random Walk para modelar a dinâmica dos spins. Simulações realizadas em imagens segmentadas de modelos sinterizados de esferas de vidro com inclusões de óxidos de ferro e arenitos revelam desafios na interpretação de T2 como indicador do tamanho de poros. Além disso, distribuições quantitativas de gradientes internos obtidas de simulações multi-τ de RMN mostram uma concordância variada com os dados experimentais, falhando em capturar gradientes internos de maior magnitude associados a poros menores. Por fim, propomos uma abordagem para incorporar os efeitos de difusão restrita na análise.Nuclear Magnetic Resonance (NMR) is a powerful tool for characterizing porous media, offering insights into fluid behavior in pore spaces. This work implements image-based simulators of NMR experiments using the Random Walk method, focusing on reservoir rock characterization via diffusometry and relaxometry. Computational challenges are addressed through GPU-based massive parallelization and data modeling for optimized memory access. In diffusometry, the apparent diffusion coefficient is analyzed over time using the Pulsed-Field Gradient NMR technique. Short- and long-time asymptotics estimate surface-to-volume ratio and tortuosity, correlating these parameters with permeability in synthetic granular media and segmented images of sandstones and carbonates. Simulation results agree well with experiments for sandstones but show deviations in carbonates, possibly due to heterogeneities such as vugular porosity. In relaxometry, we investigate the impact of internal magnetic gradients on T2 relaxation times, influenced by high magnetic susceptibility contrasts. To incorporate the diffusive relaxation mechanism, the workflow involves computing spatial magnetic field maps using an image-based finite element method, followed by random walk simulations to model spin dynamics. Simulations performed on segmented images of sintered glass bead models with iron oxide inclusions and sandstone reveal the challenges in interpreting T2 as a pore size indicator. Also, quantitative internal gradients distributions from multi-τ NMR simulations show mixed agreement with experimental data, failing to capture high-magnitude internal gradients linked to smaller pores. Last, we propose an approach to incorporate the effects of restricted diffusion into the analysis.117 f.Leiderman, RicardoLeiderman, RicardoPereira, André Maues BraboFilgueiras, Jefferson GonçalvesBez, Luiz FernandoOliveira Júnior, Ivan dos SantosRibeiro, Matheus de Castro2025-09-17T16:24:38Z2025-09-17T16:24:38Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfRIBEIRO, Matheus de Castro. Nuclear magnetic resonance reservoir characterization assisted by computational simulations. 2025. 117 f. Tese (Doutorado em Computação) – Programa de Pós-Graduação em Computação, Instituto de Computação, Universidade Federal Fluminense, Niterói, 2025.https://app.uff.br/riuff/handle/1/40138ark:/87559/001300001c0jcCC-BY-SAinfo:eu-repo/semantics/openAccessengreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2025-09-17T16:24:38Zoai:app.uff.br:1/40138Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202025-09-17T16:24:38Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Nuclear magnetic resonance reservoir characterization assisted by computational simulations
title Nuclear magnetic resonance reservoir characterization assisted by computational simulations
spellingShingle Nuclear magnetic resonance reservoir characterization assisted by computational simulations
Ribeiro, Matheus de Castro
Ressonância magnética nuclea
Meios porosos
Auto-difusão molecular
Gradientes pulsados de campo magnético
Relaxação por difusão
Espectroscopia de ressonância magnética nuclear
Imagem de difusão por ressonância magnética
Simulação por computador
Nuclear magnetic resonance
Random walk
Porous media
Molecular self-diffusion
Pulsed magnetic field gradient
Diffusion relaxation
title_short Nuclear magnetic resonance reservoir characterization assisted by computational simulations
title_full Nuclear magnetic resonance reservoir characterization assisted by computational simulations
title_fullStr Nuclear magnetic resonance reservoir characterization assisted by computational simulations
title_full_unstemmed Nuclear magnetic resonance reservoir characterization assisted by computational simulations
title_sort Nuclear magnetic resonance reservoir characterization assisted by computational simulations
author Ribeiro, Matheus de Castro
author_facet Ribeiro, Matheus de Castro
author_role author
dc.contributor.none.fl_str_mv Leiderman, Ricardo
Leiderman, Ricardo
Pereira, André Maues Brabo
Filgueiras, Jefferson Gonçalves
Bez, Luiz Fernando
Oliveira Júnior, Ivan dos Santos
dc.contributor.author.fl_str_mv Ribeiro, Matheus de Castro
dc.subject.por.fl_str_mv Ressonância magnética nuclea
Meios porosos
Auto-difusão molecular
Gradientes pulsados de campo magnético
Relaxação por difusão
Espectroscopia de ressonância magnética nuclear
Imagem de difusão por ressonância magnética
Simulação por computador
Nuclear magnetic resonance
Random walk
Porous media
Molecular self-diffusion
Pulsed magnetic field gradient
Diffusion relaxation
topic Ressonância magnética nuclea
Meios porosos
Auto-difusão molecular
Gradientes pulsados de campo magnético
Relaxação por difusão
Espectroscopia de ressonância magnética nuclear
Imagem de difusão por ressonância magnética
Simulação por computador
Nuclear magnetic resonance
Random walk
Porous media
Molecular self-diffusion
Pulsed magnetic field gradient
Diffusion relaxation
description A Ressonância Magnética Nuclear (RMN) é uma ferramenta poderosa para caracterizar meios porosos, oferecendo entendimento sobre o comportamento de fluidos em espaços porosos. Este trabalho implementa simuladores baseados em imagens para experimentos de RMN utilizando o método Random Walk, com foco na caracterização de rochas reservatório via difusometria e relaxometria. Desafios computacionais são tratados por meio de paralelização massiva baseada em GPU e modelagem de dados para acesso otimizado à memória. Na difusometria, o coeficiente de difusão aparente é analisado ao longo do tempo utilizando a técnica de Gradiente de Campo Pulsado (PFG). Os comportamentos assintóticos de curto e longo prazo são usadas para estimar a razão superfície-volume e a tortuosidade, correlacionando esses parâmetros com a permeabilidade absoluta em meios granulares sintéticos e imagens segmentadas de arenitos e carbonatos. Os resultados das simulações concordam bem com experimentos em arenitos, porém mostram desvios nos carbonatos, possivelmente devido à presença de heterogeneidades como a porosidade vugular. Na relaxometria, investigamos o impacto de gradientes internos de campo magnético nos tempos de relaxação T2, influenciados por altos contrastes de susceptibilidade magnética. Para incorporar o mecanismo de relaxação difusiva, o fluxo de trabalho envolve o cálculo de mapas espaciais do campo magnético utilizando o método de elementos finitos baseado em imagens, seguido por simulações de Random Walk para modelar a dinâmica dos spins. Simulações realizadas em imagens segmentadas de modelos sinterizados de esferas de vidro com inclusões de óxidos de ferro e arenitos revelam desafios na interpretação de T2 como indicador do tamanho de poros. Além disso, distribuições quantitativas de gradientes internos obtidas de simulações multi-τ de RMN mostram uma concordância variada com os dados experimentais, falhando em capturar gradientes internos de maior magnitude associados a poros menores. Por fim, propomos uma abordagem para incorporar os efeitos de difusão restrita na análise.
publishDate 2025
dc.date.none.fl_str_mv 2025-09-17T16:24:38Z
2025-09-17T16:24:38Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv RIBEIRO, Matheus de Castro. Nuclear magnetic resonance reservoir characterization assisted by computational simulations. 2025. 117 f. Tese (Doutorado em Computação) – Programa de Pós-Graduação em Computação, Instituto de Computação, Universidade Federal Fluminense, Niterói, 2025.
https://app.uff.br/riuff/handle/1/40138
dc.identifier.dark.fl_str_mv ark:/87559/001300001c0jc
identifier_str_mv RIBEIRO, Matheus de Castro. Nuclear magnetic resonance reservoir characterization assisted by computational simulations. 2025. 117 f. Tese (Doutorado em Computação) – Programa de Pós-Graduação em Computação, Instituto de Computação, Universidade Federal Fluminense, Niterói, 2025.
ark:/87559/001300001c0jc
url https://app.uff.br/riuff/handle/1/40138
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1848091152248471552