一支科學(xué)家團(tuán)隊(duì)創(chuàng)造出全新的 AI 工具，可以更快、更精準(zhǔn)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(dǎo)向地下，進(jìn)而減緩氣候變化。同時(shí)，科學(xué)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(huì)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(chǔ)存過程中的壓力水平，同時(shí)將一些任務(wù)的精確度提高一倍，幫助科學(xué)家找到最佳注入率和地點(diǎn)。發(fā)表在《水資源進(jìn)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(xué)、加州理工學(xué)院、普渡大學(xué)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(shí)現(xiàn)減排目標(biāo)為數(shù)不多的方法之一。全世界目前有一百多個(gè)碳捕獲與封存設(shè)施正在建設(shè)中。

U-FNO 將被用于加速埃克森美孚的碳儲(chǔ)存預(yù)測(cè)，該公司資助了揭秘算子的研究。

?？松梨诘叵绿純?chǔ)存經(jīng)理 James V. White 表示：油藏模擬器是密集型計(jì)算機(jī)模型，計(jì)算工程師和科學(xué)家可以用它來研究地球地下地質(zhì)的多相流和其它復(fù)雜的物理現(xiàn)象。這項(xiàng)工作中所使用的機(jī)器學(xué)習(xí)技術(shù)能夠有效量化碳捕獲和封存等大規(guī)模地下流動(dòng)模型中的不確定因素，并最終促成更好的決策?！?/p>

碳儲(chǔ)存科學(xué)家如何使用機(jī)器學(xué)習(xí)

科學(xué)家根據(jù)碳儲(chǔ)存模擬選擇正確的注入地點(diǎn)和速度、控制壓力的積聚、最大限度地提高儲(chǔ)存效率并確保注入活動(dòng)不會(huì)使巖層斷裂。了解二氧化碳羽流（二氧化碳在地下的擴(kuò)散）對(duì)于封存項(xiàng)目的成功也十分重要。

傳統(tǒng)的碳封存模擬器不僅費(fèi)時(shí)費(fèi)力，而且計(jì)算成本高。機(jī)器學(xué)習(xí)模型具有類似的精確度，但能夠顯著減少所需的時(shí)間和成本。

基于 U-Net 神經(jīng)網(wǎng)絡(luò)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(jìn)行更精準(zhǔn)的預(yù)測(cè)。與最先進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)相比，U-FNO 的精確度增加了一倍，但只需三分之一的訓(xùn)練數(shù)據(jù)。

NVIDIA 機(jī)器學(xué)習(xí)研究總監(jiān)、加州理工學(xué)院計(jì)算與數(shù)學(xué)科學(xué)系的布倫教授 Anima Anandkumar 表示：“用于科學(xué)建模的機(jī)器學(xué)習(xí)方法與標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)截然不同：在標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)中，一般使用固定分辨率的圖像；而在科學(xué)建模中，會(huì)根據(jù)采樣方式和地點(diǎn)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(xùn)練，因此大幅提升了速度。”

完成訓(xùn)練的 U-FNO 模型可通過網(wǎng)絡(luò)應(yīng)用提供，為碳儲(chǔ)存項(xiàng)目提供實(shí)時(shí)預(yù)測(cè)。

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

新型神經(jīng)算子加速二氧化碳儲(chǔ)存預(yù)測(cè)

U-FNO 使科學(xué)家能夠模擬 30 年注入過程中的壓力積聚和二氧化碳的擴(kuò)散位置。通過 U-FNO 所提供的 GPU 加速，科學(xué)家只需要使用 NVIDIA A100 Tensor Core GPU 就能在一瞬間進(jìn)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(jī)器學(xué)習(xí)，快速模擬多個(gè)注入地點(diǎn)。如果沒有這個(gè)工具，那么只能憑運(yùn)氣選擇地點(diǎn)了。

U-FNO 模型側(cè)重于模擬注入過程（此時(shí)超額注入二氧化碳的風(fēng)險(xiǎn)最大）中的二氧化碳羽流遷移和壓力。該模型由斯坦福大學(xué) Sherlock 計(jì)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(xiàng)目技術(shù)負(fù)責(zé)人 Farah Hariri 表示：“為了實(shí)現(xiàn)凈零排放，需要使用低排放能源以及負(fù)排放技術(shù)，比如碳捕獲和儲(chǔ)存。該項(xiàng)目將是全球第一臺(tái) AI 數(shù)字孿生超級(jí)計(jì)算機(jī)。我們通過將傅里葉神經(jīng)算子應(yīng)用于碳儲(chǔ)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)。”