Badacze zastosowali nienadzorowane uczenie maszynowe do analizy wireline logs z offshore'owego basenu Keta, automatycznie klasyfikując facies elektromagnetyczne i charakteryzując porowatość złóż. Metoda nie wymaga oznaczonych danych treningowych, co zmniejsza koszty i przyspeszy eksplorację zasobów naturalnych. Podejście ma znaczenie dla branży naftowo-gazowej, umożliwiając szybszą i tańszą interpretację danych geofizycznych z wierceń.