Introducción a GemPy.

Modelado geológico.

Antes de hablar y entrar en GemPy es importante tener claro el concepto de modelado geológico. Un modelo geológico es la representación 2D o 3D de un volumen de rocas y estructuras que vemos en superficie; es un aspecto esencial en una gran variedad de investigaciones y aplicaciones geocientíficas (Comportamiento de geofluidos, ubicación y morfología de la mineralización, estimación de reservas, geoestadística, etc.), la importancia de los modelos radica en que son los que nos permiten una descripción cercana de los yacimientos, incrementan el conocimiento de la morfología del deposito y se pueden relacionar unidades de diferentes modelos (litología, alteración, topografía, geofísica y geoquímica).

¿Qué es GemPy?

Es una increíble librería (no miento) escrita en python -lo que la hace open-source- para el modelado geológico, su funcionamiento se basa en algoritmos de interpolación y el uso de la librería Theano (evalúa y optimiza expresiones matriciales multidimensionales de manera eficiente) lo que hace posible utilizar directamente GPUs.

Los algoritmos de interpolación son comparables, y en algunos casos, superiores a algoritmos usados en paquetes comerciales , capaces de generar modelos 3D donde se representan sistemas de fallas, interacción roca-falla, relaciones estratigráficas, pliegues y domos estructurales. Su funcionalidad puede ser separada en dos aspectos, 1.- Generación de modelos geológicos 3D y 2.- Funciones adicionales para investigación y aplicaciones avanzadas.

Modelos geológicos generados en GemPy.

¿Por qué aprender a programar con GemPy es una gran idea?

Los métodos y herramientas para la representación del subsuelo han existido por décadas, se han logrado grandes avances y existen paquetes comerciales competentes, pero estos paquetes solo habilitan un acceso parcial para implementar APIs o interfaces de scripting esto los pone en desventaja por que el código fuente no es accesible y por lo tanto, el verdadero funcionamiento interno no es claro, pero lo más importante es que la capacidad de expandir sus funcionalidades es limitada esto es una gran desventaja especialmente en este tiempo con el desarrollo rápido y eficiente de librerías open-source para machine learning, deep learning e inferencia computacional (TensorFlow, pymc, PyTorch, etc.), en otras palabras, la integración de otros marcos computacionales es limitada.

GemPy al ser de código abierto, permite el enlace a herramientas computacionales poderosas como machine learning e inferencia bayesiana abriendo el camino a los modelos geológicos estocásticos.

Samuel Martínez.

Ing. Geólogo.

samuel.mtz.rmz.py@gmail.com