Método de elementos espectrales con reducción de orden de modelo para modelado directo electromagnético transitorio 3D de alta precisión y rápido con SAI-Krylov

Escudriñando el subsuelo con sensores virtuales más rápidos

Localizar cuerpos de mena enterrados, aguas subterráneas o fallas ocultas a menudo depende de sutiles ondulaciones en el campo electromagnético de la Tierra. Convertir esas ondulaciones en una imagen de lo que hay bajo la superficie exige un gran volumen de cálculos sobre modelos 3D a gran escala, que pueden resultar extremadamente lentos. Este trabajo presenta una nueva forma de simular estos levantamientos electromagnéticos que mantiene la precisión necesaria para la exploración real, a la vez que reduce drásticamente el tiempo y la memoria requeridos en un ordenador.

Por qué es difícil simular levantamientos electromagnéticos

Los métodos electromagnéticos transitorios (TEM) funcionan enviando un pulso de corriente eléctrica por un lazo de cable o un cable puesto a tierra en la superficie. Cuando la corriente se corta, se inducen corrientes giratorias en el subsuelo que se atenúan con el tiempo y contienen pistas sobre la conductividad de las rocas y cuerpos de mena ocultos. Para predecir lo que medirán los receptores, los científicos resuelven las ecuaciones de Maxwell en una malla 3D. Los enfoques tradicionales usan bloques básicos sencillos con cambios lineales dentro de cada celda. Estas aproximaciones de bajo orden son fáciles de programar, pero tienen dificultades para capturar detalles finos sin disparar el número de incógnitas y el coste de avanzar en el tiempo a través de miles de pequeños intervalos temporales.

Mallas más precisas con menos bloques

Los autores adoptan un método de elementos espectrales de alto orden, que enriquece cada celda de la malla con formas matemáticas más flexibles en lugar de confiar en variaciones lineales. En la práctica, esto significa que el modelo puede representar cambios en el campo eléctrico de forma mucho más suave usando la misma malla, o alcanzar una precisión dada con muchas menos celdas. Diseñan cuidadosamente cómo se colocan las incógnitas a lo largo de las aristas, cómo se mapea cada celda física a un cubo de referencia simple y cómo se utilizan puntos y pesos especiales de Gauss–Lobatto. Un truco clave, llamado integración reducida, relaja ligeramente la exactitud de ciertos integrales pero convierte la matriz de conductividad en estrictamente diagonal. Esto aumenta mucho la esparsidad, reduciendo tanto el uso de memoria como el coste de resolver los sistemas lineales resultantes, a la vez que preserva la alta precisión para los órdenes de interés.

Comprimir las ecuaciones sin perder la física

Incluso con una malla más precisa, avanzar en el tiempo de la forma habitual sigue siendo costoso, porque cada cambio en el paso temporal obliga a factorizar de nuevo una matriz enorme. Los autores reformulan el problema como un sistema en tiempo continuo y usan una técnica de reducción de orden de modelo basada en un algoritmo de subespacio de Krylov por desplazamiento e inversión (shift-and-invert). En términos sencillos, proyectan el sistema completo y enorme sobre un conjunto mucho más pequeño de patrones “representativos” que capturan cómo evolucionan realmente los campos electromagnéticos. Una transformación espectral inteligente agrupa los modos importantes, de modo que el algoritmo converge rápidamente. De forma crucial, el método decide sobre la marcha el tamaño necesario de este espacio reducido, usando una medida de residual poco costosa como criterio de parada. Como resultado, el solucionador requiere solo una factorización mayor de la matriz más un número modesto de sustituciones hacia atrás, y aun así puede evaluar la respuesta electromagnética en cualquier instante sin tener que recorrer cada instante intermedio.

Poniendo el método a prueba

Para evaluar precisión y eficiencia, los autores simulan varios escenarios de referencia. Para un semiespacio simple con comportamiento analítico conocido, comparan diferentes órdenes polinomiales y estrategias de integración frente a un esquema estándar de retrointegración temporal. Desde segundo orden en adelante, los errores se estabilizan en torno al uno por ciento o menos, y con el nuevo modelo reducido pueden bajar los errores medios hasta aproximadamente medio por ciento mientras logran aceleraciones de alrededor de 16 a 20 veces en ejecuciones de mayor orden, sin disparar la demanda de memoria. En modelos estratificados con fuertes contrastes de resistividad, el nuevo enfoque de elementos espectrales más Krylov se mantiene dentro de aproximadamente un uno por ciento de error a lo largo de toda la ventana temporal y supera a las referencias convencionales de elementos finitos que usan celdas de bajo orden y una integración temporal más disipativa. Finalmente, en un escenario 3D completo con un yacimiento de sulfuros, el método sigue cómo los campos inducidos por cables puestos a tierra y por fuentes en lazo se propagan, interactúan con un cuerpo conductor complejo y, en última instancia, delinean el objetivo enterrado con alta resolución espacial.

Qué significa esto para la exploración del subsuelo

Para levantamientos geofísicos que dependen de modelado electromagnético 3D detallado, este trabajo ofrece la posibilidad de conciliar dos objetivos: gran fidelidad y alta velocidad. Al emparejar elementos espectrales de alto orden con un esquema de reducción de orden de modelo cuidadosamente diseñado, los autores muestran que se pueden lograr errores inferiores al uno por ciento para respuestas TEM prácticas, al tiempo que se reduce el tiempo de cálculo en un orden de magnitud respecto a una referencia consolidada. En términos cotidianos, esto se traduce en un flujo de trabajo más rápido desde el diseño del levantamiento hasta imágenes interpretables del subsuelo, facilitando la exploración de minerales, la evaluación de geohazards o el seguimiento de aguas subterráneas mediante simulaciones físicas rigurosas en lugar de atajos excesivamente simplificados.

Cita: Fan, Y., Lu, K., Huang, Y. et al. Model-order-reduced spectral-element method for high-accuracy and fast 3-D transient electromagnetic forward modeling with SAI-Krylov. Sci Rep 16, 13356 (2026). https://doi.org/10.1038/s41598-026-44053-y

Palabras clave: electromagnetismo transitorio, método de elementos espectrales, reducción de orden de modelo, exploración geofísica, simulación numérica