新型神經(jīng)算子加速碳捕獲和儲存模擬，為緩解氣候變化鋪平了道路。

一支科學家團隊創(chuàng)造出全新的 AI 工具，可以更快、更精準地在多孔巖層中封存二氧化碳等溫室氣體。

碳捕獲技術(shù)也被稱為碳封存，它能夠?qū)l(fā)電廠排放的二氧化碳重新導向地下，進而減緩氣候變化。同時，科學家還必須避免因?qū)⒍趸甲⑷霂r石而造成的過度壓力積聚，否則可能會使地質(zhì)構(gòu)造斷裂，讓碳泄漏到含水層，甚至大氣中。

名為 U-FNO 的新型神經(jīng)算子架構(gòu)能夠在毫秒間模擬碳儲存過程中的壓力水平，同時將一些任務的精確度提高一倍，幫助科學家找到最佳注入率和地點。發(fā)表在《水資源進展》上的研究揭開了該算子的神秘面紗，這篇文章的共同作者來自斯坦福大學、加州理工學院、普渡大學和 NVIDIA。

碳捕獲與封存是煉油、水泥和鋼鐵等行業(yè)用于脫碳和實現(xiàn)減排目標為數(shù)不多的方法之一。全世界目前有一百多個碳捕獲與封存設施正在建設中。

U-FNO 將被用于加速?？松梨诘奶純Υ骖A測，該公司資助了揭秘算子的研究。

埃克森美孚地下碳儲存經(jīng)理 James V. White 表示：油藏模擬器是密集型計算機模型，計算工程師和科學家可以用它來研究地球地下地質(zhì)的多相流和其它復雜的物理現(xiàn)象。這項工作中所使用的機器學習技術(shù)能夠有效量化碳捕獲和封存等大規(guī)模地下流動模型中的不確定因素，并最終促成更好的決策?！?/p>

碳儲存科學家如何使用機器學習

科學家根據(jù)碳儲存模擬選擇正確的注入地點和速度、控制壓力的積聚、最大限度地提高儲存效率并確保注入活動不會使巖層斷裂。了解二氧化碳羽流(二氧化碳在地下的擴散)對于封存項目的成功也十分重要。

傳統(tǒng)的碳封存模擬器不僅費時費力，而且計算成本高。機器學習模型具有類似的精確度，但能夠顯著減少所需的時間和成本。

基于 U-Net 神經(jīng)網(wǎng)絡和傅里葉神經(jīng)算子(FNO)，U-FNO 能夠?qū)怏w飽和度和壓力積聚進行更精準的預測。與最先進的卷積神經(jīng)網(wǎng)絡相比，U-FNO 的精確度增加了一倍，但只需三分之一的訓練數(shù)據(jù)。

NVIDIA 機器學習研究總監(jiān)、加州理工學院計算與數(shù)學科學系的布倫教授 Anima Anandkumar 表示：“用于科學建模的機器學習方法與標準神經(jīng)網(wǎng)絡截然不同：在標準神經(jīng)網(wǎng)絡中，一般使用固定分辨率的圖像;而在科學建模中，會根據(jù)采樣方式和地點使用不同分辨率的圖像。模型可以在不同分辨率之下完成歸納，而且不需要重新訓練，因此大幅提升了速度?！?/p>

完成訓練的 U-FNO 模型可通過網(wǎng)絡應用提供，為碳儲存項目提供實時預測。

微軟行業(yè)研究執(zhí)行董事、挪威全面碳捕集與封存項目“北極光”計劃的合作者 Ranveer Chandra 表示：“ FNO 技術(shù)等最新 AI 創(chuàng)新可以將計算速度提高好幾個數(shù)量級，在幫助擴大碳捕獲與封存技術(shù)方面也邁出了重要的一步。同時，模型并行 FNO 可以利用多個 NVIDIA Tensor Core GPU 的分布式內(nèi)存擴展到實際 3D 問題規(guī)模?！?/p>

新型神經(jīng)算子加速二氧化碳儲存預測

U-FNO 使科學家能夠模擬 30 年注入過程中的壓力積聚和二氧化碳的擴散位置。通過 U-FNO 所提供的 GPU 加速，科學家只需要使用 NVIDIA A100 Tensor Core GPU 就能在一瞬間進行 30 年的模擬，而使用傳統(tǒng)方法則需要 10 分鐘。

研究者現(xiàn)在還可以使用 GPU 加速機器學習，快速模擬多個注入地點。如果沒有這個工具，那么只能憑運氣選擇地點了。

U-FNO 模型側(cè)重于模擬注入過程(此時超額注入二氧化碳的風險最大)中的二氧化碳羽流遷移和壓力。該模型由斯坦福大學 Sherlock 計算集群中的 NVIDIA A100 GPU 開發(fā)而成。

U-FNO 的合作者、NVIDIA Earth-2 氣候變化減緩項目技術(shù)負責人 Farah Hariri 表示：“為了實現(xiàn)凈零排放，需要使用低排放能源以及負排放技術(shù)，比如碳捕獲和儲存。該項目將是全球第一臺 AI 數(shù)字孿生超級計算機。我們通過將傅里葉神經(jīng)算子應用于碳儲存，展示了 AI 如何幫助加速緩解氣候變化。Earth-2 將充分利用這些技術(shù)?！?/p>

原文標題：震撼人心：科學家利用 AI 改進地下碳封存技術(shù)

文章出處：【微信公眾號：NVIDIA英偉達企業(yè)解決方案】歡迎添加關注!文章轉(zhuǎn)載請注明出處。

審核編輯：湯梓紅