Bilim İnsanları Karbon Tutulmasını Geliştirmek İçin Yapay Zekayı Kullanıyor

Bilim İnsanları Karbon Tutulmasını Geliştirmek İçin Yapay Zekayı Kullanıyor



Bir bilim insanı ekibi, CO2 gibi sera gazlarını kilitlemeye yardımcı olmak için yapay zeka tabanlı yeni bir araç yarattı.2 gözenekli kaya oluşumlarında her zamankinden daha hızlı ve daha hassas.

Karbon tutma teknolojisi olarak da adlandırılan karbon yakalama teknolojisi, CO2’yi yeniden yönlendiren bir iklim değişikliği azaltma yöntemidir.2 Yeraltındaki enerji santrallerinden yayılan. Bunu yaparken bilim adamları, CO enjekte edilmesinin neden olduğu aşırı basınç birikiminden kaçınmalıdır.2 jeolojik oluşumları kırabilen ve sahanın üzerindeki akiferlere ve hatta atmosfere karbon sızdırabilen kayaya.

U-FNO adlı yeni bir sinirsel operatör mimarisi, karbon depolama sırasındaki basınç seviyelerini saniyenin çok küçük bir bölümünde simüle ederken, belirli görevlerde doğruluğu ikiye katlayarak bilim adamlarının en uygun enjeksiyon oranlarını ve bölgeleri bulmasına yardımcı oluyor. Bu hafta bir çalışmada açıklandı yayınlanan Su Kaynaklarındaki GelişmelerStanford Üniversitesi, California Teknoloji Enstitüsü, Purdue Üniversitesi ve NVIDIA’dan ortak yazarlarla.

Karbon yakalama ve depolama, rafine etme, çimento ve çelik gibi endüstrilerin karbondan arındırmak ve emisyon azaltma hedeflerine ulaşmak için kullanabileceği birkaç yöntemden biridir. Dünya çapında yüzden fazla karbon yakalama ve depolama tesisi yapım aşamasındadır.

U-FNO, çalışmayı finanse eden ExxonMobil için karbon depolama tahminlerini hızlandırmak için kullanılacak.

ExxonMobil’de yer altı karbon depolama müdürü James V. White, “Rezervuar simülatörleri, mühendislerin ve bilim adamlarının dünyanın yeraltı jeolojisindeki çok fazlı akışları ve diğer karmaşık fiziksel olayları incelemek için kullandıkları yoğun bilgisayar modelleridir” dedi. “Bu çalışmada kullanılanlar gibi makine öğrenimi teknikleri, karbon yakalama ve ayırma gibi büyük ölçekli yeraltı akış modellerindeki belirsizlikleri ölçmek için sağlam bir yol sağlar ve nihayetinde daha iyi karar vermeyi kolaylaştırır.”

Karbon Depolama Bilim Adamları Makine Öğrenimini Nasıl Kullanıyor?

Bilim adamları, doğru enjeksiyon bölgelerini ve oranlarını seçmek, basınç oluşumunu kontrol etmek, depolama verimliliğini en üst düzeye çıkarmak ve enjeksiyon aktivitesinin kaya oluşumunu kırmamasını sağlamak için karbon depolama simülasyonlarını kullanır. Başarılı bir depolama projesi için karbon dioksit bulutunu, yani CO’nun yayılmasını anlamak da önemlidir.2 toprak aracılığıyla.

Karbon tutma için geleneksel simülatörler zaman alıcıdır ve hesaplama açısından pahalıdır. Makine öğrenimi modelleri, gerekli süre ve maliyetleri önemli ölçüde azaltırken benzer doğruluk seviyeleri sağlar.

U-Net sinir ağına ve FNO olarak bilinen Fourier sinirsel operatör mimarisine dayanan U-FNO, gaz doygunluğu ve basınç oluşumu hakkında daha doğru tahminler sağlar. Görev için son teknoloji bir evrişimsel sinir ağı kullanmaya kıyasla, U-FNO iki kat daha doğrudur ve eğitim verilerinin yalnızca üçte birini gerektirir.

NVIDIA’da makine öğrenimi araştırması direktörü ve Computing +’da Bren profesörü olan makalenin ortak yazarı Anima Anandkumar, “Bilimsel modelleme için makine öğrenimi yöntemimiz, tipik olarak sabit çözünürlüklü görüntülerle çalıştığımız standart sinir ağlarından temel olarak farklıdır” dedi. Caltech’te Matematik Bilimleri Bölümü. “Bilimsel modellemede, nasıl ve nerede örneklediğimize bağlı olarak değişen çözünürlüklere sahibiz. Modelimiz, yeniden eğitime gerek kalmadan farklı çözünürlüklerde iyi bir şekilde genelleşebilir ve muazzam hızlanmalar elde edebilir.”

Eğitimli U-FNO modelleri bir web uygulaması karbon depolama projeleri için gerçek zamanlı tahminler sağlamak.

Microsoft’ta endüstri araştırma direktörü Ranveer Chandra, “Yapay zekadaki FNO’lar gibi tekniklerle yapılan son yenilikler, hesaplamaları büyüklük sıralarına göre hızlandırabilir ve karbon yakalama ve depolama teknolojilerinin ölçeklenmesine yardımcı olmada önemli bir adım atabilir” dedi. Kuzey ışıkları girişimi, Norveç’te tam ölçekli bir karbon yakalama ve depolama projesi. “Model paralel FNO’muz birçok NVIDIA Tensor Core GPU’nun dağıtılmış belleğini kullanarak gerçekçi 3D sorun boyutlarına ölçeklenebilir.”

Yeni Nöral Operatörler CO’yu Hızlandırıyor2 Depolama Tahminleri

U-FNO, bilim adamlarının basınç seviyelerinin nasıl oluşacağını ve CO2’nin nerede oluşacağını simüle etmelerini sağlar.2 enjeksiyonun 30 yılı boyunca yayılacaktır. U-FNO ile GPU hızlandırma, bu 30 yıllık simülasyonları tek bir saniyede yüzde birlik bir sürede çalıştırmayı mümkün kılar. NVIDIA A100 Tensör Çekirdek GPUgeleneksel yöntemlerle 10 dakika yerine.

GPU ile hızlandırılmış makine öğrenimi ile araştırmacılar artık birçok enjeksiyon yerini hızla simüle edebilir. Bu araç olmadan, site seçmek karanlıkta bir çekim gibidir.

U-FNO modeli, enjeksiyon işlemi sırasında – CO miktarını aşma riskinin en yüksek olduğu zaman – tüy göçünü ve basıncı modellemeye odaklanır.2 enjekte edildi. Stanford’daki Sherlock bilgi işlem kümesinde NVIDIA A100 GPU’lar kullanılarak geliştirildi.

U-FNO işbirlikçisi ve iklim değişikliğini azaltma projelerinde teknik lider olan Farah Hariri, “Net sıfırın ulaşılabilir olması için düşük emisyonlu enerji kaynaklarının yanı sıra karbon yakalama ve depolama gibi negatif emisyonlu teknolojilere ihtiyacımız olacak” dedi. NVIDIA’nın dünyanın ilk AI dijital ikiz süper bilgisayarı olacak Earth-2 için. “Fourier sinir operatörlerini karbon depolamaya uygulayarak, yapay zekanın iklim değişikliğini azaltma sürecini hızlandırmaya nasıl yardımcı olabileceğini gösterdik. Earth-2 bu tekniklerden yararlanacak.”

U-FNO hakkında daha fazla bilgi edinin NVIDIA Teknik Blogunda.

Earth-2, iklim bilimindeki zorlukların üstesinden gelmek ve küresel iklim değişikliğini azaltma çabalarına katkıda bulunmak için FNO benzeri modelleri kullanacak. NVIDIA’nın kurucusu ve CEO’su Jensen Huang’ın GTC açılış konuşmasında iklim bilimi için kullanılan Earth-2 ve AI modelleri hakkında daha fazla bilgi edinin:


Kaynak : https://blogs.nvidia.com/blog/2022/04/08/ai-improves-carbon-sequestration/

Bir cevap yazın

E-posta hesabınız yayımlanmayacak.

SMM Panel PDF Kitap indir