2026年5月29日下午，williamhill英国“求实导师学术沙龙”系列讲座在石油科技大楼D101成功举办。徐耀辉、刘岩、李阳、严刚、王张虎、王星、苏恺明七位老师分别围绕影响砂岩和碳酸盐岩油藏润湿性NSO极性杂原子化合物组成差异、生物甲烷释放与过山车式气候变化耦合过程的分子碳同位素证据、烃源岩生排烃物理模拟、新疆米东地区煤岩气成因机制及多元气体竞争吸附-解吸规律、湘中地区大塘坡组沉积环境及其对有机质富集的影响、固体沥青结构演化规律、油源智能分析技术等前沿方向展开深入讲解。活动吸引了众多师生踊跃参与，现场交流讨论热烈，思维碰撞活跃，学术氛围浓厚，学生反应较好。
徐耀辉教授以《影响砂岩和碳酸盐岩油藏润湿性的NSO极性杂原子化合物组成差异》为题，聚焦油藏润湿性控制机理这一基础科学问题。他指出，润湿性对采收率及原油运移渗流具有关键影响，起决定作用的是原油中的极性杂原子化合物，但其种类及作用机理尚不明确。研究通过Amott润湿指数测定、粉末浮选等润湿性表征方法，结合有机溶剂分步萃取、高分辨质谱分析等手段，阐明了影响砂岩和碳酸盐岩润湿性的关键“锚点”化合物分子组成差异，并探讨了相应的润湿作用机理。该研究成果为提高油藏采收率、优化注水开发方案提供了重要理论依据。
刘岩教授以 PETM 时期全球碳循环与气候异常事件为切入点，系统阐述了生物甲烷释放与剧烈气候变化耦合过程的分子碳同位素证据。他指出，碳循环是调控地球系统气候演化与生态稳定性的核心过程，PETM 时期作为晚近地质历史中一次典型的全球性碳扰动事件，伴随显著的碳同位素负偏移、快速全球变暖和大规模生物灭绝，与当前人类活动引发的碳排放过程具有重要的类比意义。报告以分子标志物碳同位素为关键研究手段，结合 PETM 时期碳循环脉冲式演变特征，揭示了甲烷在驱动气候异常与生态危机中的核心作用，重点剖析了不同碳源的性质差异与甲烷释放机制。研究成果不仅为理解地质历史时期碳-候耦合关系提供了直接证据，也为评估现代甲烷反馈效应的气候风险提供了重要的深时参照。
李阳副教授为学生作了题为“烃源岩生排烃物理模拟”的专题报告，面向同学系统介绍了利用高温高压半封闭体系再现地质条件下有机质热演化与油气生成、运移过程的研究思路。报告从未成熟到高成熟阶段，生动展示了温度、压力、岩性及流体介质对烃类产物组成和产率的影响，分析了残留烃与排出烃的分配规律，并结合岩石热解、色谱—质谱等实验手段，阐释了排烃动力机制与有效排烃阈值。该报告帮助学生更直观地理解了烃源岩生排烃效率、有利勘探区带预测及油气资源量计算模型等核心概念，为相关课程学习和科研实践提供了有益的启发。
严刚讲师以《新疆米东地区煤岩气成因机制及多元气体竞争吸附-解吸》为题，聚焦米东地区煤层气CO₂成因机制及气体竞争吸附-解吸规律。他指出，米东区块部分井CO₂含量异常偏高，但成因认识有待证实，CO₂与CH₄竞争吸附-解吸规律及影响因素认识不足，制约了排采生产管理。研究明确了米东区块烷烃气主要为生物成因气，CO₂以微生物产甲烷伴生成因为主，揭示了不同类型煤岩生成CH₄和CO2的规律差异；同时自主搭建了多元气体竞争吸附-解吸动态监测系统，研究了不同压力条件下CO₂和CH₄在不同类型煤岩表面的竞争吸附解吸规律，相关成果为煤岩气勘探开发选区评价及生产管理提供了重要参考。
王张虎副教授以《湘中地区大塘坡组沉积环境及其对有机质富集的影响研究》为题，聚焦斯图特冰期和马里诺冰期间黑色页岩记录的大气-海洋氧化还原状态的时空变化规律等关键科学问题。系统分析大塘坡组的岩石学和地球化学特征，重点解析从浅水到深水环境的古气候、水体盐度、滞留程度和海洋氧化还原状态的空间分布模式，最后明确了间冰期时期碳酸盐岩中锰元素的物质来源和页岩中有机质富集的主控因素。这些研究将为这一时期海洋环境的波动和演变提供新的见解。
王星讲师聚焦深层 - 超深层油气勘探中的关键问题，围绕不同成因固体沥青的化学结构演化规律展开系统阐述。他指出，固体沥青作为油气热演化过程的重要产物，其结构特征与成熟度响应关系是深层油气成藏研究的关键科学问题。报告基于黄金管热模拟实验，制备不同成因与热演化阶段的固体沥青样品，系统分析了原油不同组分在热作用下形成固体沥青的演化差异，明确了热演化程度对固体沥青拉曼光谱参数的控制规律。结合偏光显微镜与扫描电镜观察，进一步探讨了固体沥青结构差异的形成机制及其对拉曼参数离散性的影响。该研究成果可为高-过成熟地层成熟度评价及深层非常规油气成藏分析提供重要的理论依据。
苏恺明特任副教授以《油源智能分析技术浅析》为题，介绍了团队在油气地球化学与人工智能交叉领域的研究进展。针对传统指纹法、图版法及统计学方法数据利用率低、参数依赖人工筛选、复杂油源判识困难等问题，系统讲解了多谱段GC-MS数据的结构化解析与处理，并重点阐述了端到端全智能油源解析技术与张量分解-谱系聚类算法两条技术路线。前者以多通道一维卷积神经网络为核心，融合Grad-CAM可解释性机制，从分子组成层面揭示不同油源的判别依据；后者有效解决了小样本、多特征场景下的“维度灾难”难题，实现油-油（源）对比。该报告展现了人工智能在油源解析中的应用潜力，为复杂油气地质勘探中的油源对比研究提供了新的技术思路与参考。
