पुणे: वैश्विक ऊर्जा बाजारों में भू-राजनीतिक तनाव और तेल आपूर्ति श्रृंखलाओं में व्यवधान के कारण अस्थिरता के दौर में, MIT World Peace University (MIT-WPU), पुणे के शोधकर्ताओं ने उन्नत कृत्रिम बुद्धिमत्ता (AI) और मशीन लर्निंग (ML) मॉडल विकसित किए हैं, जो परिपक्व तेल भंडारों से तेल की रिकवरी बढ़ाने और भविष्य के उत्पादन का सटीक पूर्वानुमान लगाने में मदद कर सकते हैं। यह शोध भारत की ऊर्जा सुरक्षा को मजबूत करने में महत्वपूर्ण भूमिका निभा सकता है, क्योंकि इससे मौजूदा तेल क्षेत्रों से अधिक कुशलता से तेल निकालना संभव होगा और कच्चे तेल के आयात पर निर्भरता कम हो सकेगी।
भारत की तेजी से बढ़ती अर्थव्यवस्था ऊर्जा की मांग को निरंतर बढ़ा रही है। देश की कुल ऊर्जा खपत में तेल और गैस की हिस्सेदारी लगभग 32–37% है, और सरकारी आंकड़ों के अनुसार भारत ने कच्चे तेल के आयात पर लगभग 161 अरब अमेरिकी डॉलर खर्च किए। ऐसे में मौजूदा तेल क्षेत्रों से घरेलू उत्पादन बढ़ाना एक रणनीतिक प्राथमिकता बन गया है, खासकर तब जब वैश्विक तेल बाजार भू-राजनीतिक तनाव और आपूर्ति व्यवधानों से प्रभावित हैं।
महाराष्ट्र में अपस्ट्रीम तेल और गैस के लिए समर्पित एकमात्र शैक्षणिक विभाग, MIT-WPU के पेट्रोलियम इंजीनियरिंग विभाग के शोधकर्ता पेट्रोलियम भंडार प्रबंधन की जटिल चुनौतियों से निपटने के लिए कृत्रिम बुद्धिमत्ता का उपयोग कर रहे हैं।
पेट्रोलियम इंजीनियरिंग विभाग के प्रोफेसर डॉ. राजीब कुमार सिन्हाराय के नेतृत्व में, उनके पीएचडी छात्र डॉ. हृषिकेश के. चव्हाण के साथ, एक शोध टीम ने एक मशीन लर्निंग मॉडल विकसित किया है, जो जटिल भंडारों के लिए सबसे उपयुक्त एन्हांस्ड ऑयल रिकवरी (EOR) तकनीकों की पहचान कर सकता है। इस मॉडल को दुनिया भर के कई तेल क्षेत्रों के डेटा पर प्रशिक्षित किया गया और इसने सबसे प्रभावी रिकवरी विधियों की भविष्यवाणी में 91% सटीकता हासिल की।
उनके निष्कर्ष अंतरराष्ट्रीय जर्नल Petroleum Science and Technology में प्रकाशित हुए। यह AI-आधारित मॉडल तेल रिकवरी रणनीतियों के मूल्यांकन में लगने वाले समय को काफी कम करता है—पारंपरिक तरीकों में जहां कई महीने लगते हैं, वहीं यह मॉडल कुछ घंटों में परिणाम दे देता है।
डॉ. राजीब कुमार सिन्हाराय ने कहा, “कृत्रिम बुद्धिमत्ता तेल और गैस उद्योग में भंडार प्रबंधन को बदलने की क्षमता रखती है। हमारा शोध डेटा-आधारित उपकरण विकसित करने पर केंद्रित है, जो ऑपरेटरों को सबसे प्रभावी रिकवरी तकनीकों का चयन करने और विशेष रूप से परिपक्व तेल क्षेत्रों के लिए अधिक सटीक उत्पादन पूर्वानुमान बनाने में मदद कर सकते हैं।”
एक अन्य महत्वपूर्ण उपलब्धि में, प्रोफेसर समर्थ पाटवर्धन और उनके पीएचडी छात्र डॉ. सौमित्र नांदे ने एक डीप लर्निंग मॉडल विकसित किया, जो 97% सटीकता के साथ कार्बोनेट भंडार चट्टानों की पहचान कर सकता है। ये चट्टानें भारत के सबसे बड़े अपतटीय तेल क्षेत्र बॉम्बे हाई जैसी संरचनाओं से मिलती-जुलती हैं। उनका शोध वर्ष 2025 में Arabian Journal for Science and Engineering में प्रकाशित हुआ।
MIT-WPU की शोध टीम ने परिपक्व तेल क्षेत्रों में तेल उत्पादन का पूर्वानुमान लगाने के लिए भी एक मशीन लर्निंग मॉडल विकसित किया है, जिसने भारतीय ऑनशोर भंडार के वास्तविक डेटा पर परीक्षण के दौरान 92% सटीकता (R² स्कोर) हासिल की। विश्वसनीय उत्पादन पूर्वानुमान पेट्रोलियम उद्योग के लिए अत्यंत महत्वपूर्ण है, क्योंकि यह निवेश निर्णयों, भंडार प्रबंधन रणनीतियों और दीर्घकालिक आपूर्ति योजना को प्रभावित करता है। यह शोध अंतरराष्ट्रीय प्रतिष्ठित जर्नल Physics of Fluids में प्रकाशित हुआ।
इसके अलावा, टीम ने तेल उत्पादन ट्यूबिंग डिजाइन को अनुकूलित करने के लिए एक AI-आधारित मॉडल विकसित किया है, जो कुशल तेल निष्कर्षण के लिए उपयुक्त पाइप आकार निर्धारित करने में मदद करता है। यह शोध International Conference on Computational Science and Applications में प्रस्तुत किया गया और बाद में Springer Nature की Algorithms for Intelligent Systems श्रृंखला में प्रकाशित हुआ। इस तकनीक के लिए शोधकर्ताओं ने पेटेंट भी प्राप्त किया है।
वर्तमान में, MIT-WPU की टीम अपरंपरागत हाइड्रोकार्बन भंडारों में “स्वीट स्पॉट्स” की पहचान करने और उच्च तापमान एवं उच्च दबाव वाले वातावरण के लिए उपयुक्त टिकाऊ ड्रिलिंग फ्लूइड्स विकसित करने पर काम कर रही है।
ये नवाचार तेल रिकवरी में सुधार, परिपक्व क्षेत्रों में दक्षता बढ़ाने और अनिश्चित वैश्विक ऊर्जा परिदृश्य में भारत के घरेलू ऊर्जा उत्पादन को मजबूत करने में AI-आधारित शोध की बढ़ती भूमिका को रेखांकित करते हैं।
