Fugu-MT 論文翻訳(概要): Bayesian Inversion Of Generative Models For Geologic Storage Of Carbon Dioxide

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

Enhancing Carbon Emission Reduction Strategies using OCO and ICOS data [40.572754656757475]
我々は,OCO-2(Orbiting Carbon Observatories)とOCO-3(Orbiting Carbon Observatories)の衛星データとICOS(Integrated Carbon Observation System)の地上観測とECMWFリアナリシスv5(ERA5)の気象データを統合することで,局部的なCO2モニタリングを強化する手法を提案する。衛星観測から地上レベルCO2を予測するために,K-nearest neighbor (KNN) と機械学習モデルを用いて,3.92ppmのルート平均正方形誤差を達成した。
論文参考訳（メタデータ） (2024-10-05T21:23:58Z)
Machine Learning for Methane Detection and Quantification from Space -- A survey [49.7996292123687]
メタン (CH_4) は強力な温室効果ガスであり、20年間で二酸化炭素 (CO_2) の86倍の温暖化に寄与する。この研究は、ショートウェーブ赤外線(SWIR)帯域におけるメタン点源検出センサの既存の情報を拡張する。従来の機械学習(ML)アプローチと同様に、最先端の技術をレビューする。
論文参考訳（メタデータ） (2024-08-27T15:03:20Z)
CarbonSense: A Multimodal Dataset and Baseline for Carbon Flux Modelling [9.05128569357374]
データ駆動型カーボンフラックスモデリングのための、最初の機械学習対応データセットであるCarbonSenseを紹介する。我々の実験は、マルチモーダルなディープラーニング技術がこの領域にもたらす可能性を示している。
論文参考訳（メタデータ） (2024-06-07T13:47:40Z)
OXYGENERATOR: Reconstructing Global Ocean Deoxygenation Over a Century with Deep Learning [50.365198230613956]
既存の専門家が支配する数値シミュレーションは、地球温暖化や人的活動によって引き起こされる動的変動に追いつかなかった。 1920年から2023年までの世界の海洋脱酸素モデルを再構築するために,最初の深層学習モデルであるOxyGeneratorを提案する。
論文参考訳（メタデータ） (2024-05-12T09:32:40Z)
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)
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)
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)

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。