تمكن فريق من الباحثين من توظيف تقنيات الذكاء الاصطناعي للتعرف على خصائص الصخور الخزانية (الليثوفاسيز) في باطن الأرض، وذلك في منطقة تندرارة–ميسور بشرق المملكة، وهي منطقة معروفة بإمكاناتها الواعدة في مجال الغاز الطبيعي.

واعتمدت الدراسة، التي نُشرت في المجلة العلمية “جورنال أوف أفريكان إيرث ساينسز”، على استخدام بيانات آبار جُمعت في هذه المنطقة لتعويض نقص المعلومات الناتج عن غياب العينات اللبية (اللباب الجيولوجي) في العديد من المقاطع.

وقد نُفذت الدراسة من قِبل فريق مغربي بقيادة الباحث يوسف البوعزاوي من جامعة محمد الأول بوجدة، بمشاركة باحثين آخرين من مؤسسات جامعية مغربية، وبدعم من شركة “ساوند إنيرجي المغرب”. واعتمد الفريق على ثلاثة نماذج من تقنيات الذكاء الاصطناعي، وهي: نموذج “الغابة العشوائية”، ونموذج “الشبكة العصبية متعددة الطبقات”، وتقنية “تحليل التجمعات”.

وهدفت الدراسة إلى التنبؤ بأنواع الصخور المكونة للخزان الغازي في عمق يصل إلى 417 مترا من طبقات غير ملببة في ثلاثة آبار، وذلك من خلال تحليل سجلات الآبار التي تشمل قياسات مثل أشعة غاما، والكثافة، والموجات الصوتية.

وأظهرت النتائج أن “الشبكة العصبية متعددة الطبقات” كانت الأكثر دقة بنسبة بلغت 87 بالمائة، متفوقة على “الغابة العشوائية” التي بلغت دقتها 82 بالمائة، بينما كانت دقة “تحليل التجمعات” ضعيفة ولم تتجاوز 44 بالمائة. وقد أثبت النموذج الأول كفاءة كبيرة في التمييز بين أنواع الصخور، حتى في الحالات التي يصعب فيها التفريق بينها نظرا لتشابه خصائصها الفيزيائية، مثل الحجر الرملي الحصوي والصخور المتصلبة المعروفة بالكونغلوميرا.

وتمكن الباحثون من تحديد أربعة أنواع رئيسية من الصخور في تكوين “تاجي” الرسوبي، وهي: الحجر الرملي، والحجر الرملي الحصوي، والكونغلوميرا، والطين الصفحي المختلط بالغرين. كما كشفت النماذج عن وجود تغيرات أفقية سريعة في تركيبة الصخور، رغم قرب الآبار من بعضها البعض، بالإضافة إلى رصد تسلسلات ترسيبية تشير إلى تغيرات في طاقة الترسيب، ما يعكس بيئات نهرية وسهلية كانت نشطة خلال العصور الجيولوجية القديمة.

وتبرز أهمية هذه الدراسة في كونها توضح كيف يمكن للذكاء الاصطناعي أن يعوض غياب البيانات الميدانية المكلفة، مثل اللباب الجيولوجي، من خلال استخدام سجلات الآبار الرقمية، وهو ما يمثل تطورا مهما في مجال التنقيب الطاقي في المغرب. كما توصي الدراسة بإمكانية توسيع استخدام هذا النهج ليشمل مناطق جيولوجية أخرى داخل البلاد، بل وربط نتائجه مع بيانات الزلازل لبناء نماذج ثلاثية الأبعاد أكثر دقة للبنية التحتية للحقول الغازية.

وأشار الباحثون أيضا إلى أن إدماج الذكاء الاصطناعي في دراسة الطبقات الأرضية يمكن أن يساهم بشكل كبير في تقليل كلفة الاستكشاف وتحسين دقة التحليل، مما يعزز من جاذبية المغرب كمجال استثماري في الطاقة، خاصة في ظل الاهتمام المتزايد بتطوير البنية الطاقية الوطنية وتقليل التبعية للاستيراد.