論文の概要: Multimodal Auto-regressive Transformer Surrogate for Modeling Variable Operations and Quantifying Uncertainty in Geological Carbon Storage

• arxiv url: http://arxiv.org/abs/2608.02629v1
• Date: Sun, 26 Jul 2026 13:54:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:22.868005
• Title: Multimodal Auto-regressive Transformer Surrogate for Modeling Variable Operations and Quantifying Uncertainty in Geological Carbon Storage
• Title（参考訳）: 変動操作のモデル化と地質炭素貯蔵の不確かさの定量化のための多モード自己回帰変圧器サロゲート
• Authors: Yifu Han, Louis J. Durlofsky,
• Abstract要約: 可変井戸穿孔および注入戦略は、地質的な炭素貯蔵の効率を向上させることができる。 地質的な不確実性の下でこれらの操作をモデル化する多モード自動回帰変換器を開発した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The use of variable well perforation and injection strategies can improve the efficiency of geological carbon storage operations. We develop a new multimodal auto-regressive transformer surrogate to model these operations under geological uncertainty. A modified SEAM CO2 geomodel, which involves a faulted system with three stacked aquifers, is considered. The two injection wells are perforated in stages, from bottom to top, with the stage durations and individual well injection rates treated as control variables. The surrogate model processes three input modalities - the 3D geomodel, scalar parameters characterizing relative permeability functions, and control variables - through separate encoders. These are fused via self-attention in a transformer encoder, and a temporal decoder generates predictions auto-regressively through encoder-decoder cross-attention. The surrogate is trained, using 4000 GEOS flow simulations, to predict saturation and pressure at monitoring locations, total injected and mobile CO2 mass, and saturation footprints. For a new test set, involving randomly sampled geomodels and control variables, the surrogate achieves a median saturation MAE of 0.028 and median relative errors of 0.2-5% for the other quantities of interest. Importantly, it captures the switch from rate to bottom-hole-pressure control. The surrogate model is used within a hierarchical Markov chain Monte Carlo data assimilation procedure for a synthetic true model under three operational strategies. Substantial uncertainty reduction is achieved for key metaparameters, particularly the fault permeabilities. Posterior predictions for saturation footprints and total injected and mobile CO2 mass are also shown to be generally consistent with true model results.
• Abstract（参考訳）: 可変井戸穿孔法と注入法を用いることで、地質的な炭素貯蔵の効率が向上する。 地質的な不確実性の下でこれらの操作をモデル化する多モード自動回帰変換器を開発した。 改良されたSEAM CO2ジオモデルについて検討した。 2つのインジェクション・ウェルは、段差が低く、段差が長く、個々のウェル・インジェクション・レートが制御変数として扱われる。 代理モデルは3つの入力モード、すなわち3次元ジオモデル、相対的な透過性関数を特徴付けるスカラーパラメータ、および制御変数を別々のエンコーダで処理する。 これらは変圧器エンコーダの自己アテンションを介して融合され、テンポラルデコーダはエンコーダ・デコーダ・クロスアテンションを介して自動回帰的に予測を生成する。 サーロゲートは、4000 GEOSフローシミュレーションを使用して、監視地点での飽和と圧力、総注入量および移動量CO2質量、飽和フットプリントを予測するために訓練されている。 ランダムにサンプリングされたジオモデルと制御変数を含む新しいテストセットでは、サロゲートは0.028の中央飽和MAEと他の関心量に対して0.2-5%の中央相対誤差を達成する。 重要なのは、スイッチをレートからボトムホール圧制御に切り替えることだ。 シュロゲートモデルは、3つの操作戦略の下で合成真のモデルに対して、階層的なマルコフ連鎖モンテカルロデータ同化手順で使用される。 重要なメタパラメータ、特に断層透過性に対して、実質的な不確実性低減が達成される。 飽和フットプリントと全注入および移動式CO2質量の後方予測は、一般に真のモデル結果と一致することが示されている。

関連論文リスト

• Recurrent Transformer U-Net Surrogate for Flow Modeling and Data Assimilation in Subsurface Formations with Faults [0.0]
  本研究では, 実断層下帯水層における圧力およびCO2飽和度を予測するために, 再帰型変圧器U-Netサロゲートモデルを開発した。 このジオモデルには、ターゲット帯水層(超臨界二酸化炭素が注入される場所)、周辺地域、キャップロック、2つの広範な断層、2つのオーバーライド帯水層が含まれる。
  論文  参考訳（メタデータ） (2025-08-15T18:56:45Z)
• Holistic Surgical Phase Recognition with Hierarchical Input Dependent State Space Models [56.2236083600999]
  手術映像解析のための階層型入力依存状態空間モデルを提案する。 本フレームワークは,時間的一貫した視覚特徴抽出器を内蔵し,状態空間モデルヘッドを視覚特徴抽出器に付加し,時間的情報を伝達する。 実験により,本手法は最先端の手法よりも高い性能を示した。
  論文  参考訳（メタデータ） (2025-06-26T14:43:57Z)
• Accelerated training of deep learning surrogate models for surface displacement and flow, with application to MCMC-based history matching of CO2 storage operations [0.0]
  本研究では,CO2飽和度,圧力,表面変位を予測し,炭素貯蔵操作の履歴マッチングに用いるための新しいサロゲートモデリングフレームワークを提案する。 ここでのトレーニングには、多数の安価なフローオンリーのシミュレーションと、結合された実行回数のはるかに少ない組み合わせが含まれる。
  論文  参考訳（メタデータ） (2024-08-20T10:31:52Z)
• Adaptive Multi-step Refinement Network for Robust Point Cloud Registration [82.64560249066734]
  ポイントクラウド登録は、同じシーンの2つのポイントクラウド間の相対的な厳密な変換を推定する。 本稿では,前ステップからの情報を活用することで,各ステップの登録品質を向上する適応型多段階改良ネットワークを提案する。 本手法は3DMatch/3DLoMatchベンチマークとKITTIベンチマークの両方で最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-12-05T18:59:41Z)
• 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)
• 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)
• STMT: A Spatial-Temporal Mesh Transformer for MoCap-Based Action Recognition [50.064502884594376]
  本研究では、モーションキャプチャー(MoCap)シーケンスを用いた人間の行動認識の問題点について検討する。 メッシュシーケンスを直接モデル化する新しい時空間メッシュ変換器(STMT)を提案する。 提案手法は,スケルトンベースモデルやポイントクラウドベースモデルと比較して,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2023-03-31T16:19:27Z)
• Physics-informed machine learning with differentiable programming for heterogeneous underground reservoir pressure management [64.17887333976593]
  地下貯水池の過圧化を避けることは、CO2の沈殿や排水の注入といった用途に欠かせない。 地中における複雑な不均一性のため, 噴射・抽出制御による圧力管理は困難である。 過圧化防止のための流体抽出速度を決定するために、フル物理モデルと機械学習を用いた微分可能プログラミングを用いる。
  論文  参考訳（メタデータ） (2022-06-21T20:38:13Z)
• 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)

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。