論文の概要: Bayesian Inversion Of Generative Models For Geologic Storage Of Carbon
Dioxide
- arxiv url: http://arxiv.org/abs/2001.04829v1
- Date: Wed, 8 Jan 2020 15:09:27 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-13 09:51:07.386188
- Title: Bayesian Inversion Of Generative Models For Geologic Storage Of Carbon
Dioxide
- Title(参考訳): 生成モデルのベイズインバージョンによる二酸化炭素の地質保存
- Authors: Gavin H. Graham and Yan Chen
- Abstract要約: 炭素捕獲と貯蔵は大気の脱炭素化を助長し、さらなる地球温度上昇を抑える。
教師なし学習を利用したフレームワークは、二酸化炭素の長期保存のための潜在的な場所を調べるために、様々な地下地質ボリュームを生成するために使用される。
- 参考スコア(独自算出の注目度): 4.169510754940645
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Carbon capture and storage (CCS) can aid decarbonization of the atmosphere to
limit further global temperature increases. A framework utilizing unsupervised
learning is used to generate a range of subsurface geologic volumes to
investigate potential sites for long-term storage of carbon dioxide. Generative
adversarial networks are used to create geologic volumes, with a further neural
network used to sample the posterior distribution of a trained Generator
conditional to sparsely sampled physical measurements. These generative models
are further conditioned to historic dynamic fluid flow data through Bayesian
inversion to improve the resolution of the forecast of the storage capacity of
injected carbon dioxide.
- Abstract(参考訳): 炭素捕獲貯蔵(CCS)は、大気の脱炭素化を助長し、さらなる地球温度上昇を抑える。
教師なし学習を利用したフレームワークは、二酸化炭素の長期保存のための潜在的な場所を調べるために、様々な地下地質ボリュームを生成するために使用される。
生成的逆境ネットワークは、地質ボリュームの作成に使われ、さらにニューラルネットワークは、訓練された生成器の後方分布をサンプリングして、まばらにサンプリングされた物理的測定値を生成するのに用いられる。
これらの生成モデルは、注入された二酸化炭素の貯蔵容量の予測の精度を向上させるため、ベイジアン反転による歴史的な流体流動データにさらに条件付けされる。
関連論文リスト
- Efficient machine-learning surrogates for large-scale geological carbon
and energy storage [0.276240219662896]
大規模貯水池モデルを効率的に管理するための機械学習(ML)モデルを提案する。
我々は、ドメイン分解とトポロジ埋め込みを用いて、ディープ・ニューラル・オペレーターモデルのトレーニングコストを削減する方法を開発した。
このアプローチは、訓練されていないデータであっても、モデルの領域内で正確な予測を可能にし、大規模な地質ストレージアプリケーションに対するML効率を向上させる。
論文 参考訳(メタデータ) (2023-10-11T13:05:03Z) - Surrogate Model for Geological CO2 Storage and Its Use in Hierarchical
MCMC History Matching [0.0]
我々は、最近導入されたR-U-Netサロゲートモデルを拡張し、幅広い地質シナリオから引き出されたジオモデルの実現を取り扱う。
本研究では, 人工真理モデルにおける観測井の観測データを用いて, 地質的不確実性を大幅に低減することを示した。
論文 参考訳(メタデータ) (2023-08-11T18:29:28Z) - Controllable Mesh Generation Through Sparse Latent Point Diffusion
Models [105.83595545314334]
メッシュ生成のための新しいスパース潜在点拡散モデルを設計する。
私たちの重要な洞察は、ポイントクラウドをメッシュの中間表現と見なし、代わりにポイントクラウドの分布をモデル化することです。
提案したスパース潜在点拡散モデルにより,生成品質と制御性において優れた性能が得られる。
論文 参考訳(メタデータ) (2023-03-14T14:25:29Z) - Counting Carbon: A Survey of Factors Influencing the Emissions of
Machine Learning [77.62876532784759]
機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。
このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。
本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
論文 参考訳(メタデータ) (2023-02-16T18:35:00Z) - De-risking Carbon Capture and Sequestration with Explainable CO2 Leakage
Detection in Time-lapse Seismic Monitoring Images [2.021175152213487]
本研究では,最新の深層学習モデルを用いて,CO2プラム(リーカジ)をデライン化するために,時間ラプス地震画像のバイナリ分類を導入する。
また,クラスアクティベーションマッピング手法を用いて,CO2プラムの漏洩領域をローカライズする。
論文 参考訳(メタデータ) (2022-12-16T17:22:51Z) - Spatiotemporal modeling of European paleoclimate using doubly sparse
Gaussian processes [61.31361524229248]
計算負担を軽減するため,近年の大規模分散時間GPを構築した。
我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
論文 参考訳(メタデータ) (2022-11-15T14:15:04Z) - Real-time high-resolution CO$_2$ geological storage prediction using
nested Fourier neural operators [58.728312684306545]
炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。
CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。
我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
論文 参考訳(メタデータ) (2022-10-31T04:04:03Z) - Deep Learning Models of the Discrete Component of the Galactic
Interstellar Gamma-Ray Emission [61.26321023273399]
H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。
深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
論文 参考訳(メタデータ) (2022-06-06T18:00:07Z) - An Energy-Based Prior for Generative Saliency [62.79775297611203]
本稿では,情報的エネルギーベースモデルを事前分布として採用する,新たな生成正当性予測フレームワークを提案する。
生成サリエンシモデルを用いて,画像から画素単位の不確実性マップを得ることができ,サリエンシ予測におけるモデル信頼度を示す。
実験結果から, エネルギーベース先行モデルを用いた生成塩分率モデルでは, 精度の高い塩分率予測だけでなく, 人間の知覚と整合した信頼性の高い不確実性マップを実現できることが示された。
論文 参考訳(メタデータ) (2022-04-19T10:51:00Z) - Predicting Critical Biogeochemistry of the Southern Ocean for Climate
Monitoring [1.8689461238197955]
我々は、南洋のケイ酸塩とリン酸塩の値を、温度、圧力、塩分濃度、酸素、硝酸塩、位置から予測するためにニューラルネットワークを訓練する。
これらのモデルを地球系モデル(ESM)およびBGC-Argoデータに適用し、この海洋観測ネットワークの有用性を拡大する。
論文 参考訳(メタデータ) (2021-10-30T00:13:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。