論文の概要: A POMDP Model for Safe Geological Carbon Sequestration
- arxiv url: http://arxiv.org/abs/2212.00669v1
- Date: Tue, 25 Oct 2022 01:04:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-21 15:49:20.231381
- Title: A POMDP Model for Safe Geological Carbon Sequestration
- Title（参考訳）: POMDPモデルによる安全な地質炭素採取
- Authors: Anthony Corso, Yizheng Wang, Markus Zechner, Jef Caers, Mykel J.
Kochenderfer
- Abstract要約: 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$が地表に流出し、人間と環境の両方を傷つける可能性がある。
我々は,CCSの操作を部分的に観測可能なマルコフ決定プロセス (POMDP) としてモデル化し,自動計画アルゴリズムを用いて決定を通知することを提案する。
- 参考スコア（独自算出の注目度）: 30.638615396429536
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Geological carbon capture and sequestration (CCS), where CO$_2$ is stored in
subsurface formations, is a promising and scalable approach for reducing global
emissions. However, if done incorrectly, it may lead to earthquakes and leakage
of CO$_2$ back to the surface, harming both humans and the environment. These
risks are exacerbated by the large amount of uncertainty in the structure of
the storage formation. For these reasons, we propose that CCS operations be
modeled as a partially observable Markov decision process (POMDP) and decisions
be informed using automated planning algorithms. To this end, we develop a
simplified model of CCS operations based on a 2D spillpoint analysis that
retains many of the challenges and safety considerations of the real-world
problem. We show how off-the-shelf POMDP solvers outperform expert baselines
for safe CCS planning. This POMDP model can be used as a test bed to drive the
development of novel decision-making algorithms for CCS operations.
- Abstract（参考訳）: 地下層にCO$_2$が貯蔵される地質炭素捕獲隔離(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。
しかし、不正に行われた場合、地震やco$_2$が地表に流出し、人間と環境の両方に損害を与える可能性がある。
これらのリスクは、貯蔵層の構造における大量の不確実性によって悪化する。
これらの理由から,CCS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。
そこで本研究では,実世界の問題に対する多くの課題と安全性を保ちつつ,2次元の浮動小数点解析に基づくccs操作の簡易モデルを開発した。
市販のPOMDPソルバが、安全なCCS計画のためのエキスパートベースラインより優れていることを示す。
このPOMDPモデルは、CCS操作のための新しい意思決定アルゴリズムの開発を促進するテストベッドとして使用できる。
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) - COPlanner: Plan to Roll Out Conservatively but to Explore Optimistically
for Model-Based RL [50.385005413810084]
ダイナスタイルのモデルベース強化学習には、ポリシー学習と実環境探索のためのサンプルを生成するモデルロールアウトという2つのフェーズが含まれる。
$textttCOPlanner$は、不正確な学習された動的モデル問題に対処するモデルベースのメソッドのための計画駆動フレームワークである。
論文 参考訳（メタデータ） (2023-10-11T06:10:07Z) - Optimizing Carbon Storage Operations for Long-Term Safety [24.873407623150033]
部分的に観測可能なマルコフ決定過程(POMDP)としての炭素貯蔵操業の意思決定過程について検討する。
我々は,PMDPを信頼状態計画を用いて解決し,安全を維持しつつ,貯蔵したCO2を最大化することを目的として,インジェクタの最適化と井戸のモニタリングを行う。
我々は,多相流の複雑な力学を扱うために,POMDP決定プロセスのためのニューラルネットワークサロゲートモデルを提案する。
論文 参考訳（メタデータ） (2023-04-19T00:20:50Z) - Bridging POMDPs and Bayesian decision making for robust maintenance
planning under model uncertainty: An application to railway systems [0.7046417074932257]
利用可能なデータから直接,POMDP遷移と観測モデルパラメータを推定するフレームワークを提案する。
次に、推定分布を利用して、POMDP問題を定式化し、解決する。
我々は軌道資産の維持計画に我々のアプローチをうまく適用した。
論文 参考訳（メタデータ） (2022-12-15T16:09:47Z) - GEC: A Unified Framework for Interactive Decision Making in MDP, POMDP,
and Beyond [101.5329678997916]
対話型意思決定の一般的な枠組みの下で, サンプル高能率強化学習(RL)について検討した。
本稿では,探索とエクスプロイトの基本的なトレードオフを特徴付ける,新しい複雑性尺度である一般化エルダー係数(GEC)を提案する。
低 GEC の RL 問題は非常にリッチなクラスであり、これは低ベルマン楕円体次元問題、双線型クラス、低証人ランク問題、PO-双線型クラス、一般化正規PSR を仮定する。
論文 参考訳（メタデータ） (2022-11-03T16:42:40Z) - 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) - Stein Variational Model Predictive Control [130.60527864489168]
不確実性の下での意思決定は、現実の自律システムにとって極めて重要である。
モデル予測制御 (MPC) 法は, 複雑な分布を扱う場合, 適用範囲が限られている。
この枠組みが、挑戦的で非最適な制御問題における計画の成功に繋がることを示す。
論文 参考訳（メタデータ） (2020-11-15T22:36:59Z) - A Variational Auto-Encoder for Reservoir Monitoring [0.0]
二酸化炭素キャプチャー・アンド・ストレージ(CCS)は、人為的CO$の排出を緩和する重要な戦略である。
本稿では,AZMI(Above Zone Monitoring Interval)井の圧力データに基づいて,圧力場を再構築し,記憶層のフラックスを分類する深層学習手法を提案する。
論文 参考訳（メタデータ） (2020-09-23T12:33:09Z) - Exploiting Submodular Value Functions For Scaling Up Active Perception [60.81276437097671]
アクティブな知覚タスクでは、エージェントは1つ以上の隠れ変数の不確実性を減少させる感覚行動を選択することを目的としている。
部分的に観測可能なマルコフ決定過程(POMDP)は、そのような問題に対する自然なモデルを提供する。
エージェントが利用できるセンサーの数が増えるにつれて、POMDP計画の計算コストは指数関数的に増加する。
論文 参考訳（メタデータ） (2020-09-21T09:11:36Z)
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。