Метод базируется на комплексном сопоставлении визуальных характеристик образцов с массивами геохимических данных. Учёные научились различать происхождение органического вещества, будь то морская или континентальная среда, и прогнозировать, в каком состоянии находятся углеводороды — в виде нефти, газа или сложной смеси. Результатом работы стали детализированные карты, которые наглядно показывают, где генерация ресурсов идет прямо сейчас, а где потенциал уже исчерпан.

Дальнейшее развитие технологии предполагает интеграцию машинного обучения. Алгоритмы возьмут на себя распознавание оттенков углистых частиц: чем темнее цвет образца, тем больше углеводородов успело выработать вещество. Автоматизация этого процесса позволит компании быстрее обрабатывать данные, точнее выбирать места для скважин и рациональнее распределять бюджеты на освоение перспективных территорий.