A tecnologia de injeção não miscível de CO₂ em reservatórios de petróleo de baixa permeabilidade é de grande importância para aumentar a recuperação de petróleo e alcançar a neutralidade de carbono. Esse processo envolve a resolução de equações fortemente não lineares, e os métodos numéricos tradicionais enfrentam desafios de estabilidade numérica e convergência que requerem ajuste fino dos passos de tempo e espaço. Portanto, foi proposta uma metodologia de simulação numérica baseada em redes neurais informadas pela física (Physics-Informed Neural Networks, PINNs) para a injeção não miscível de CO₂ em reservatórios de baixa permeabilidade. O método é baseado na clássica equação de fluxo Buckley-Leverett (BL), introduzindo o gradiente de pressão de inicialização e o parâmetro de solubilidade do CO₂, revelando sua influência acoplada na propagação da frente de deslocamento e na evolução da saturação. Ao incorporar a equação BL e suas condições de contorno iniciais na função de perda das PINNs, a rede neural satisfaz automaticamente as restrições das equações de controle durante o treinamento, ao mesmo tempo em que modela processos complexos de fluxo não lineares em um espaço contínuo sem malha, melhorando a estabilidade numérica e a capacidade preditiva do modelo. Para validar a precisão do modelo, a solução numérica foi comparada com a solução analítica. Os resultados mostram que o modelo PINNs estabelecido apresenta alta precisão na captura da posição da frente de deslocamento e na distribuição de saturação do fluido, com pequena diferença em relação à solução analítica, coeficiente de determinação (R²) superior a 93% e erro absoluto médio de 0,19×10^-2. Em comparação com o método tradicional explícito de diferenças finitas, o método numérico PINNs possui maior estabilidade numérica e escalabilidade. Este estudo fornece uma nova via de aprendizado profundo para a simulação numérica da injeção não miscível de CO₂ em reservatórios de baixa permeabilidade, ajudando na compreensão aprofundada dos mecanismos de fluxo sob acoplamento multifísico e oferecendo suporte teórico e referências metodológicas para o sequestro geológico eficiente do CO₂ e melhoria da recuperação de petróleo.

redes neurais informadas pela física;reservatórios de baixa permeabilidade;injeção não miscível de CO₂;gradiente de pressão de inicialização;solubilidade de CO₂;equação de Buckley-Leverett