大规模地质碳和能源储存的高效机器学习代理

Oct, 2023

大规模地质碳和能源储存的高效机器学习代理

Efficient machine-learning surrogates for large-scale geological carbon and energy storage

Teeratorn Kadeethum, Stephen J. Verzi, Hongkyu Yoon

TL;DR通过专门的机器学习模型和领域分解，该研究提出了一种减少大规模地质储存成本的方法，以增强机器学习在地质碳储存中的效率。

Abstract

Geological carbon and energy storage are pivotal for achieving net-zero carbon emissions and addressing climate change. However, they face uncertainties due to geological factors and operational limitations, resulting in possibilities of induced seismic events or groundwater contaminat

geological carbon storage energy storage machine-learning model reservoir models large-scale geological storage

发现论文，激发创造

地质 CO2 封存的代理模型及其在基于 MCMC 的历史匹配中的应用

在这项研究中，我们利用基于深度学习的代理模型来处理具有高度地质不确定性的地质碳储存系统，通过使用大量地质情景下的地质模型实现了准确的预测，并将其用于马尔可夫链蒙特卡洛历史匹配工作流程以降低地质不确定性，从而得到与真实模型更接近的 3D 压力和饱和度。

Aug, 2023

基于多模潜动态模型和深度强化学习的地质碳封存运营优化

多模态潜在动态（MLD）模型用于提高地质碳储存的存储性能，通过快速流量预测和井控优化，结合深度学习框架，训练深度强化学习代理来最大化净现值（NPV）并减少计算资源使用。

Jun, 2024

利用机器学习提升地下氢能储存的清洁能源韧性

为了应对紧迫的气候变化挑战，急需从化石燃料转向可持续能源系统，其中可再生能源发挥着关键作用。然而，可再生能源的固有变动性没有有效的储能解决方案，经常导致能源供需失衡。地下氢储存（UHS）作为一种有前景的长期储存解决方案，其广泛实施受到与高保真度 UHS 模拟相关的高计算成本的阻碍。本文从数据驱动的角度介绍了 UHS，并概述了将机器学习整合到 UHS 中的路线图，从而促进 UHS 的大规模部署。

Apr, 2024

人工智能增强的数据同化与不确定性量化在地质碳储存中的应用

研究使用机器学习和数据同化技术，利用替代模型对地质碳储存项目进行集成，并在保持高保真度的情况下得到后验状态的结果。结果表明，利用机器学习模型进行数据同化可以显著提高标准 ESMDA 过程的速度，并且使用替代模型实现的随机最大似然方法在确定性建模和不确定性量化方面优于传统的 ESMDA 方法。

Feb, 2024

利用图神经网络学习断层油藏中 CO2 延展规律

利用基于 Graph Neural Network (GNNs) 的模型，结合 MeshGraphNet (MGN) 一步 GNN 模型和基于图形的卷积长 - 短期记忆（GConvLSTM）操作复杂的非结构化网格，在模拟地下复杂断层和裂缝的 CO2 地质储存过程中，准确预测气体饱和度和孔隙压力的时间演化并展现更高的准确度和更少的时间误差积累。

Jun, 2023

利用学习替代和约束解决多物理反问题

使用具有计算便宜的学习代理器和学习约束的方法解决地质碳封存监测中多模态逆问题，提供更精确的渗透率倒转和多样化数据逆转的计算可行方法。

Jul, 2023

碳排放和大型神经网络训练

通过计算 T5，Meena，GShard，Switch Transformer 和 GPT-3 等几种大型模型的能源使用和碳足迹，我们发现大而稀疏的深度神经网络可以比大而密集的深度神经网络使用更少的能量，并且具有可接受的准确性。在由于地理位置和专用数据中心基础架构带来的差异方面，对机器学习的能源效率进行度量是具有挑战性的，但我们相信通过明确计算能源消耗和碳足迹，并与开发人员合作，将能源使用作为关键指标来评估模型，可以帮助减少机器学习的碳足迹。

Apr, 2021

基于物理信息的扩散反应系统局部学习

本文提出一种新的物理学和边界条件意识的局部学习方法，扩展 Embed-to-Control 和 Embed-to-Control 和 Observed 模型，用于学习 Advection-Diffusion Reaction 系统中全局状态变量的局部表示，经过油藏模拟数据训练的模型能够预测系统的未来状态，相对于原始 E2C 和 E2CO 模型，缩短了训练时间并提高了准确性。

May, 2023

多支撑度傅立叶神经算子用于大规模地质碳封存快速建模

采用多保真度傅里叶神经操作器解决大规模地质碳储存问题，并减少高真实度数据生成成本。

Aug, 2023

使用机器学习方法对复杂油藏进行早期地质勘探中的海陆数据进行专家独立的解释

该研究旨在开发并应用一种自主方法，预测研究区域油气藏扩散的概率。该方法基于 3D 地震勘探数据和地质信息，实现了对地质地球物理数据的专家独立概括，并利用该概括通过假设检验和生成地质模型。

Apr, 2023