論文の概要: Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators

• arxiv url: http://arxiv.org/abs/2210.17051v2
• Date: Thu, 1 Jun 2023 05:16:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-03 01:23:20.892901
• Title: Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators
• Title（参考訳）: ネストフーリエニューラルネットワークを用いたリアルタイム高分解能co$_2$地層貯留予測
• Authors: Gege Wen, Zongyi Li, Qirui Long, Kamyar Azizzadenesheli, Anima Anandkumar, Sally M. Benson
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 58.728312684306545
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Carbon capture and storage (CCS) plays an essential role in global decarbonization. Scaling up CCS deployment requires accurate and high-resolution modeling of the storage reservoir pressure buildup and the gaseous plume migration. However, such modeling is very challenging at scale due to the high computational costs of existing numerical methods. This challenge leads to significant uncertainties in evaluating storage opportunities, which can delay the pace of large-scale CCS deployment. We introduce Nested Fourier Neural Operator (FNO), a machine-learning framework for high-resolution dynamic 3D CO2 storage modeling at a basin scale. Nested FNO produces forecasts at different refinement levels using a hierarchy of FNOs and speeds up flow prediction nearly 700,000 times compared to existing methods. By learning the solution operator for the family of governing partial differential equations, Nested FNO creates a general-purpose numerical simulator alternative for CO2 storage with diverse reservoir conditions, geological heterogeneity, and injection schemes. Our framework enables unprecedented real-time modeling and probabilistic simulations that can support the scale-up of global CCS deployment.
• Abstract（参考訳）: 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, 貯水池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。 しかし、既存の数値計算手法の計算コストが高いため、そのようなモデリングは非常に困難である。 この課題はストレージの機会を評価する上で大きな不確実性をもたらし、大規模なCCSデプロイメントのペースを遅らせる可能性がある。 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。 Nested FNOは、FNOの階層構造を用いて異なる洗練レベルで予測を生成し、既存の手法と比較して70,000倍近いフロー予測を高速化する。 偏微分方程式の族に対する解演算子を学習することにより、ネステッドFNOは多様な貯留条件、地質的不均一性、注入スキームを持つCO2貯蔵の汎用的な数値シミュレータを作成する。 我々のフレームワークは,グローバルCCS展開のスケールアップを支援する,前例のないリアルタイムモデリングと確率的シミュレーションを実現する。

関連論文リスト

• Complexity Matters: Rethinking the Latent Space for Generative Modeling [65.64763873078114]
  生成的モデリングにおいて、多くの成功したアプローチは、例えば安定拡散のような低次元の潜在空間を利用する。 本研究では, モデル複雑性の観点から潜在空間を再考することにより, 未探索の話題に光を当てることを目的としている。
  論文  参考訳（メタデータ） (2023-07-17T07:12:29Z)
• 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)
• A POMDP Model for Safe Geological Carbon Sequestration [30.638615396429536]
  地質的な炭素捕獲と隔離(CCS)は、地球規模の排出量を減らすための有望でスケーラブルなアプローチである。 間違った処理をすれば、地震やCO$が地表に流出し、人間と環境の両方を傷つける可能性がある。 我々は,CCSの操作を部分的に観測可能なマルコフ決定プロセス (POMDP) としてモデル化し,自動計画アルゴリズムを用いて決定を通知することを提案する。
  論文  参考訳（メタデータ） (2022-10-25T01:04:13Z)
• Learning Large-scale Subsurface Simulations with a Hybrid Graph Network Simulator [57.57321628587564]
  本研究では3次元地下流体の貯留層シミュレーションを学習するためのハイブリッドグラフネットワークシミュレータ (HGNS) を提案する。 HGNSは、流体の進化をモデル化する地下グラフニューラルネットワーク(SGNN)と、圧力の進化をモデル化する3D-U-Netで構成されている。 産業標準地下フローデータセット(SPE-10)と1100万セルを用いて,HGNSが標準地下シミュレータの18倍の推算時間を短縮できることを実証した。
  論文  参考訳（メタデータ） (2022-06-15T17:29:57Z)
• A new perspective on probabilistic image modeling [92.89846887298852]
  本稿では,密度推定,サンプリング,トラクタブル推論が可能な画像モデリングのための新しい確率論的手法を提案する。 DCGMMは、CNNのように、ランダムな初期条件からSGDによってエンドツーエンドに訓練することができる。 本研究は,近年のPCおよびSPNモデルと,推論,分類,サンプリングの観点から比較した。
  論文  参考訳（メタデータ） (2022-03-21T14:53:57Z)
• A Deep Learning-Accelerated Data Assimilation and Forecasting Workflow for Commercial-Scale Geologic Carbon Storage [2.464972164779053]
  本稿では,多孔質中流挙動の物理的理解を深層学習技術で活用し,高速な履歴マッチング・貯留層応答予測ワークフローを開発することを提案する。 マルチウェルインジェクション下での動的圧力とCO2配管幅を予測するための代理モデルを開発した。 このワークフローは、メインストリームの個人ワークステーションで1時間以内で、履歴マッチングと不確実な定量化による貯蓄予測を完了させることができる。
  論文  参考訳（メタデータ） (2021-05-09T16:38:29Z)
• Deep-learning-based coupled flow-geomechanics surrogate model for CO$_2$ sequestration [4.635171370680939]
  3次元リカレントr-u-netモデルは、深い畳み込みとリカレントニューラルネットワークを組み合わせて、飽和、圧力、表面変位場の空間分布と時間変化を捉える。 サーロゲートモデルは、貯留層内の3D CO2飽和と圧力場、および地球の表面の2D変位マップを予測するために訓練されています。
  論文  参考訳（メタデータ） (2021-05-04T07:34:15Z)
• CCSNet: a deep learning modeling suite for CO$_2$ storage [0.0]
  CCSNetは、数値シミュレータが通常提供するすべての出力を生成する一連のディープラーニングモデルで構成されている。 結果は従来の数値シミュレータよりも10$3$から10$4$の速度です。
  論文  参考訳（メタデータ） (2021-04-05T06:56:25Z)
• Hessian-Free High-Resolution Nesterov Acceleration for Sampling [55.498092486970364]
  最適化のためのNesterovのAccelerated Gradient(NAG)は、有限のステップサイズを使用する場合の連続時間制限(ノイズなしの運動的ランゲヴィン)よりも優れたパフォーマンスを持つ。 本研究は, この現象のサンプリング法について検討し, 離散化により加速勾配に基づくMCMC法が得られる拡散過程を提案する。
  論文  参考訳（メタデータ） (2020-06-16T15:07:37Z)
• Bayesian Inversion Of Generative Models For Geologic Storage Of Carbon Dioxide [4.169510754940645]
  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。
  論文  参考訳（メタデータ） (2020-01-08T15:09:27Z)

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。