英偉達公司是一家科技巨頭,也是人工智能 (AI) 硬件和軟件的領先供應商,近日其推出了其新的碳捕獲和存儲
CCS建模方法,科學家和工程師可以利用該方法來加速碳封存。
碳捕獲和儲存,也稱為碳封存,是通過重新引導地下深處的碳來緩解氣候變化的一種方法。在此過程中,CCS科學家必須防止注入碳的地質(zhì)構(gòu)造破裂、二氧化碳泄漏到含水層中,或者更糟糕的是返回到大氣中。 如果由于將碳注入巖層的過程而產(chǎn)生過多的壓力,就會發(fā)生這種情況。這就是英偉達的AI技術(shù)所解決的問題,以幫助改善碳封存。
英偉達AI建模
CCS 是石油和天然氣、水泥和鋼鐵等行業(yè)可以采用的為數(shù)不多的脫碳和實現(xiàn)凈零目標的方法之一。全球有一百多個 CCS 設施正在建設中。傳統(tǒng)的碳封存模擬器的擁有成本很高,并且需要大量時間才能完成。機器學習和人工智能模型提供相同水平的準確性,但成本和時間更低。
英偉達推出了人工智能碳封存方法,CCS科學家可以通過Nvidia Modulus 和Nvidia Omniverse在現(xiàn)實世界中輕松使用該方法。
英偉達的AI驅(qū)動技術(shù)使用傅立葉神經(jīng)算子 (FNO) 架構(gòu)將 CCS 建模速度提高了700,000倍。
FNO架構(gòu)可更準確地預測壓力積聚和二氧化碳飽和度。與其他計算機模型相比,它的準確度是其他計算機模型的兩倍,同時只需要三分之一的訓練數(shù)據(jù)。
因此,該軟件可幫助CCS工程師快速選擇最佳注入點、確定最佳井間距和深度,以及確定捕獲碳的最佳注入壓力和速率。此外,工程師可以通過Nvidia Omniverse可視化和優(yōu)化整個檢測過程。
Nvidia軟件憑借其卓越的計算能力,將碳封存模擬速度提高了70萬倍。使用數(shù)值模擬器對二氧化碳羽流和壓力累積進行可靠評估通常需要大約2年時間。但使用 Nvidia的FNO,可能只需要2.8 秒。
經(jīng)過訓練的Nvidia FNO模型可在Web 應用程序中使用,為碳捕獲和存儲項目提供實時模擬。因此,人工智能技術(shù)可以實現(xiàn)對 CCS 決策至關(guān)重要的各種任務。
改善碳儲存
科學家使用碳儲存模擬或建模來選擇正確的二氧化碳注入地點和速率。建模還可以幫助他們優(yōu)化存儲效率、控制壓力積聚并確保巖層不會破裂。
CCS工程師還必須了解注入的二氧化碳(也稱為二氧化碳羽流)如何在地面上擴散。 研究發(fā)現(xiàn)Nvidia技術(shù)非常有用,可實現(xiàn)人工智能驅(qū)動的大規(guī)?;犹疾东@和存儲。使用它,工程師可以與模型進行交互,以保證CCS項目的可靠性和安全性。安全準確的二氧化碳儲存過程有助于減少逃逸到空氣中的碳量。
FNO使科學家能夠模擬在30年的注射過程中壓力水平如何建立以及二氧化碳在何處擴散。使用這種人工智能驅(qū)動的模型進行加速,可以將模擬過程從十分鐘縮短到幾秒鐘。 如果沒有這項技術(shù),選擇二氧化碳注入點就像是在黑暗中進行。
英偉達及其人工智能模型將通過為全球氣候變化減緩工作做出貢獻來幫助應對氣候危機,利用人工智能進行革命將是世界實現(xiàn)凈零排放的一種方式。
【版權(quán)聲明】本網(wǎng)為公益類網(wǎng)站,本網(wǎng)站刊載的所有內(nèi)容,均已署名來源和作者,僅供訪問者個人學習、研究或欣賞之用,如有侵權(quán)請權(quán)利人予以告知,本站將立即做刪除處理(QQ:51999076)。