تعتبر تقنيات تحليل البيانات الجيولوجية من الركائز الأساسية في العديد من المشاريع الهامة مثل تخزين الكربون وتطوير الطاقة الجGeothermal، حيث تساهم في استخراج الموارد الطبيعية بشكل أكثر فعالية. لكن بالنظر إلى الطرق التقليدية القائمة على تصنيف النوافذ المنزلقة (sliding-window classification)، فإنها غالباً ما تعاني من قيود تؤثر سلباً على فهم السياقات الجيولوجية الأوسع، مما يؤدي في كثير من الأحيان إلى عدم توافق في الطبقات التكوينية.

لذا، قد تم تقديم LithoFormer كإطار عمل جديد يهدف إلى تجاوز هذه القيود. يستند الإطار إلى نموذج Seq2Seq من خلال تطبيق تقنيات Transformers، حيث يقوم بقراءة بيانات الآبار المتعددة المتغيرات في عملية واحدة.

تستخدم هذه التقنية هيكلاً أساسياً غير معتمد على القنوات (channel-independent PatchTST backbone) مع تحسينات لتحديد المواقع الدوارة (Rotary Positional Embeddings - RoPE)، مما يتيح لها التقاط الاعتمادات الجيولوجية على مسافات طويلة.

كما أن LithoFormer يعتمد على رأس متعدد المهام (decoupled multi-task head) للتنبؤ بشكل مشترك بالأقسام الجيولوجية واحتمالات الحدود الدقيقة، مع استخدام دالة خسارة مدعومة بالجيولوجيا لتطبيق قيود فيزيائية تضمن اتباع قانون الترابط (Law of Superposition).

عند اختبار LithoFormer على ثلاثة مجموعات بيانات حقيقية، أظهر فاعلية ملحوظة حيث حقق تقليصاً نسبته 90% في خطأ الحدود المتوسط وأزال انتهاكات الترتيب الطبقي مقارنة بالأساليب التقليدية. والأهم من ذلك أنه أسهم في تخفيض الجهد اليدوي المطلوب بنسبة 80%، مما يوفر حلاً موثوقاً وقابلاً للتوسع للنمذجة الجيولوجية على نطاق واسع.

إن LithoFormer يمثل بحق تحولًا حقيقيًا في كيفية التعامل مع البيانات الجيولوجية وتحليلها، مما يمهد الطريق نحو مشاريع أكثر نجاحًا واستدامة.