近日，牛津量子电路公司（Oxford Quantum Circuits-OQC）宣布石油巨头雪佛龙旗下的雪佛龙技术风险投资公司（Chevron Technology Ventures-CTV）已加入其1亿美元的B轮融资。
雪佛龙创新副总裁兼技术风险投资总裁Jim Gable表示：“OQC开发的量子计算机通过融合工程学和物理学的界限，具有改变信息处理格局的潜力”。“这是我们核心能源基金的最新投资，该基金专注于高科技、高增长的初创企业和突破性技术，这些技术可以改善雪佛龙的核心石油和天然气业务业绩，并创造新的增长机会。”
OQC是量子计算即服务领域的全球领导者，通过提供与数字基础设施和客户工作流程无缝集成的企业级量子解决方案，构建更光明的未来。OQC首席执行官Ilana Wisby在评论这一消息时表示:“雪佛龙的投资标志着能源领域利用量子计算的一个重要里程碑。我们很高兴能在勘探和可再生能源领域推动创新和效率，并在能源领域开创企业级量子技术。”
OQC的官方声明表示，OQC的技术为石油和天然气行业提供了几个潜在的突破性机会，包括催化剂的开发和优化以及运输和分销网络效率的提高等。量子计算有望通过模拟复杂分子来加速石油和天然气行业对新材料的发现和开发，从而实现低碳产品。
01. 石油巨头入局
事实上，除了雪佛龙外，包括BP、埃克森美孚、Equinor、壳牌和道达尔、沙特阿美等在内的能源巨头正在研究量子计算如何帮助其解决最复杂的业务挑战。
GlobalData发布了一份关于量子计算技术及其对石油和天然气行业潜在影响的报告。该报告概述了量子计算技术，并分析了BP、埃克森美孚、Equinor，壳牌和道达尔等大型石油公司在复杂业务问题对量子计算所做的探索。
GlobalData油气分析师Ravindra Puranik表示:“尽管该技术仍处于研发探索阶段，但其在油气行业的潜在应用案例非常多，并且可能会扩大。”“已经确定了几个有前景的应用领域，公司正在与技术参与者合作推进他们的研究。BP和埃克森美孚等石油巨头已经加入IBM的Qetwork，开发量子计算机，以增加对地质的了解。”
根据GlobalData的“石油和天然气中的量子计算”报告，许多公司正在优先考虑将其应用在上游领域，他们已经注册了许多与量子计算在钻井相关的专利。Ravindra Puranik补充道：“（将量子计算用于）上游仍然是大多数公司的重点领域。
2022年3月份，沙特阿美与法国量子技术开发商Pasqal宣布签署谅解备忘录，就量子计算和能源领域的应用进行合作。在这项合作中，Pasqal公司将基于中性原子阵列的应用技术，提供量子领域专业知识，并开发量子计算平台，沙滩阿美则提供能源产业知识与产业环境，双方共同实现量子计算在能源领域的应用开发。这项合作还将用于开发量子机器学习，探索量子计算和人工智能在能源领域的应用。
沙特阿美表示，它专注于在全球能源领域率先使用量子计算，成为量子优势优于经典计算机的早期受益者。
2022年11月，意大利石油巨头Eni与总部位于巴黎的中性原子量子计算专家PASQAL合作，开发下一代高性能计算解决方案。PASCAL正在采用“全栈”方法开发量子算法，以增强Eni正在研究的各种能源应用(包括上游和可再生能源活动)的现有HPC工作流程。
02. 量子计算在油气行业的应用
2023年中国石油经济技术研究院能源科技研究所通过各个维度的专业分析和调研，最终评选出未来10年最具潜力的15项油气勘探开发技术。其一正是涉及量子技术，即基于量子计算的地质模拟技术。分析调研显示，量子计算具有超快的并行计算能力，可在极短的时间内处理、分析油气勘探中的海量数据，提高建模精度，使油气业务更高效、更快、更安全。未来量子计算不仅影响地质勘探、油藏模拟等涉及大量数据处理、分析和建模的领域，对石油化工行业也将带来一次颠覆。
GlobalData的报告调研显示目前油气行业对量子计算的应用重点领域在上游领域，BP和埃克森美孚等石油巨头已经加入IBM的Qetwork，开发量子计算机，以增加对地质的了解。中国石油分析调研评选出的未来10年最具潜力的15项油气勘探开发技术之一的基于量子计算的地质模拟技术，同样也是在地质方面，在上游领域。
为此，石油圈特查阅了量子计算在油气行业上游领域地质方面的应用及研究，分别从地球科学解释工作、地震处理以及二氧化碳捕集与封存三个方面展开分享。
▲对地下进行地球科学解释的传统顺序方法
在地球科学解释工作流中的应用。如今，大多数地下地球科学解释都是以串行方式进行的，解释过程基本上是逐步进行的。解释过程基本上是一次执行一个。如上图所示，上图概述了该行业用于勘探碳氢化合物的典型解释工作流程。自20世纪80年代末以来，地震解释已从2D数据发展到3D数据，再到4D数据。随着地震数据采集和处理方面的重要进步，以及工作站的使用，使得解释过程中的评估更加一致，精度更高。
然而，除了过去几年的机器学习之外，解释过程本身并没有发生重大变化。机器学习使解释人员能够同时处理大量数据，确定多种（大于3种）数据之间的关系，发现理论上未知的非线性问题，随着时间的推移提高效率和准确性，并实现解释过程的自动化。
其中一些机器学习方法，包括深度学习（卷积神经网络）、自组织图和半监督方法，已被用于解决许多地质难题。机器学习的一些较为成功的应用包括断层/断裂划分、地层相分布、岩性分类、测井记录关联和预测以及地震直接碳氢化合物指标（DHI）识别。
如今，机器学习所需的计算机能力和相关架构基本上都围绕着CPU和GPU配置、高性能计算和云计算。利用量子计算机解决机器学习过程的潜力，产生了精简自动化的愿景，有望将众多不同类型的机器学习和数字孪生应用结合在一起。
例如，上图中的许多解释工作流程步骤都可以实现自动化，地球科学家只需提供最低限度的指导和流程质量控制。量子计算有可能帮助识别并结合多种不同类型的机器学习，从而提供更准确的答案，甚至找到科学数据中尚未发现的地质元素。
使用量子计算的合成数据集和数字孪生，可以模拟极其复杂的系统，其中包含目前无法应用的组件。即使是对勘探前景和钻探组合进行量子模拟，也可以更准确地进行风险分析，优化投资决策，这在今天是不可能实现的。
在地震处理中的应用。目前，油气行业对计算机能力的最大需求之一是3D叠前深度偏移地震处理。地震处理公司通常使用世界上最大的超级计算机。然而，即使拥有包括云计算在内的大量计算设施，使用最新算法处理海量数据也会受到限制。例如，要对墨西哥湾盐下层进行成像，需要应用全波形反演（Full Waveform Inversion,FWI）和最先进的波方程迁移算法，如最小二乘逆时偏移(Least-Square Reverse Time Migration,LSRTM)。全波形反演的目的是建立一个地球地下速度模型，以充分解释地震数据中记录的地震波场。
然而，目前大多数地震处理仅利用记录数据的反演部分。由于FWI的迭代性质和精确仿真的计算要求，FWI是高度计算密集型的，因此受到当今计算环境的限制。LSRTM是一种基于反演的迁移算法，可最大限度地减小观测到的地震记录与前向模拟合成数据之间的数据错配。在大多数情况下，LSRTM需要非常精确的速度模型，计算成本较高。
应用这些先进处理方法的共同限制因素显然是计算机能力。随着量子计算机和相关新处理算法的发展，计算机能力的限制将得到缓解。由于FWI和LSRTM等高级处理算法需要对模型进行迭代，量子计算机将能够在极短的时间内获得最佳解决方案。
▲ 量子计算的使用将使地球物理学家能够在地震处理、地震成像中使用完整的弹性波场数据，其中包括源产生的所有波
量子计算的使用甚至将使地球物理学家能够完成地震处理的“圣杯”，即使用全弹性波场数据（见上图）进行地震成像，其中包括震源产生的所有波，如主波反射、透射波、转换模式及其倍数。
利用这些新的建模技术，最终可以将地球成像为各向异性的弹性固体。如果量子计算能使地震处理取得这些类型的进步，那么地震采集和设计也必须随之发展，例如长偏移洋底节点的常规应用。有必要收集所需的低频和高频范围、全方位多分量数据、适当的采样以及采集设备的进步，才能真正实现量子计算在地震处理方面的进步。人工智能/机器学习技术与量子计算的结合是一种独特的、令人兴奋的组合，可分析和识别各种沉积盆地的地震反射模式。此外，公司将有能力全面整合其成功和失败的案例历史。在强大的地球科学家和精明的管理者的监督下，优化决策分析将指日可待。
在碳捕集与封存中的应用。地质封存涉及将液态二氧化碳注入深层多孔岩石，然后对岩石系统进行监测，以确保注入的二氧化碳在所处的岩层中保持液态。量子计算在二氧化碳地质封存中应该是无价之宝。使量子计算在二氧化碳封存中变得至关重要的关键因素是收集、处理和解释严格的二氧化碳监测所需数据的时间范围。
在监测封存的二氧化碳方面，必须牢记的重要概念是“二氧化碳封存必须是永久性的”。这一永久性要求意味着，对全球每个二氧化碳封存地点封存的二氧化碳的监测，必须跨越数千年。因此，监测每个二氧化碳封存点所积累的数据量将是巨大的，超出地球科学家所经历过的规模。因此，量子计算对于管理和利用二氧化碳封存活动也至关重要。
监测二氧化碳储层需要P波和S波地震反演数据。储层上方的P波衰减可探测到以气态形式逸出的二氧化碳，S波数据需要分为快S波和慢速S波图像，因为慢速S波数据是检测新出现裂缝的第一类地震数据，这些裂缝预示着储层即将发生结构破坏。
除了三维三分量（3D3C）数据外，还需要获取VSP数据。3C数据将提供P-SV和SV-P两种模式，从而可以利用快横波（fast-S）和慢横波(slow-S)两种版本的数据。创建P-SV和SV-P两种版本的图像，需要对五种地震波数据进行深度配准。
仅监测一个封存点的二氧化碳封存情况所涉及的地震数据库的数字规模，将很快超过地球物理学家所使用的规模。每个储层数据库还必须扩展到包括整个储层区域获得的所有井记录数据和所有岩心数据，以及部署在众多井下位置的应力传感器记录的所有数据。
量子计算等新计算机策略的重要性将是不言而喻的。试想一下，如果第10代的二氧化碳储层管理者需要回溯到第1代至第9代，并将之前获取的所有三维地震数据卷纳入最新的储层条件分析中，以描述储层稳定性，此时，量子计算的作用不言而喻。
虽然量子计算在地下评估中展现了广泛的应用前景，但仍然存在许多需要克服的挑战。其中最大的挑战之一是开发能够有效解决地质解释问题的量子算法。这项任务的复杂性和挑战性在于需要兼具量子计算和地球物理学领域的专业知识。
此外，目前的量子硬件仍处于初级阶段，量子比特数有限，且错误率较高。这使得将量子计算应用于地震分析等大规模问题变得困难。
尽管面临着这些挑战，但量子计算和地震分析领域已经取得了一些令人瞩目的进展。在2019年，IBM的研究人员为FWI开发了一种量子算法，虽然该算法在同一问题上无法超越经典算法，但它展示了量子计算在地震分析中的潜力。
与此同时，德克萨斯大学奥斯汀分校的研究人员为RTM开发了一种受量子启发的算法，并在合成数据上取得了令人鼓舞的成果。
为了满足未来石油和天然气资源勘探开发、碳捕获与储存，以及寻找地热能、氦气和氢气的需求，必须显著提升计算机性能。利用量子力学效应，量子计算有望同时处理数百万个计算。正是这种发生在亚原子层面上的量子现象，让我们相信，量子计算机将超越我们今天所能想象的地质地下解释，并为满足全球能源需求做出重大贡献。
