英伟达公司是一家科技巨头，也是人工智能 (AI) 硬件和软件的领先供应商，近日其推出了其新的碳捕获和存储CCS建模方法，科学家和工程师可以利用该方法来加速碳封存。

碳捕获和储存，也称为碳封存，是通过重新引导地下深处的碳来缓解气候变化的一种方法。在此过程中，CCS科学家必须防止注入碳的地质构造破裂、二氧化碳泄漏到含水层中，或者更糟糕的是返回到大气中。 如果由于将碳注入岩层的过程而产生过多的压力，就会发生这种情况。这就是英伟达的AI技术所解决的问题，以帮助改善碳封存。

英伟达AI建模

(资料图片仅供参考)

CCS 是石油和天然气、水泥和钢铁等行业可以采用的为数不多的脱碳和实现净零目标的方法之一。全球有一百多个 CCS 设施正在建设中。传统的碳封存模拟器的拥有成本很高，并且需要大量时间才能完成。机器学习和人工智能模型提供相同水平的准确性，但成本和时间更低。

英伟达推出了人工智能碳封存方法，CCS科学家可以通过Nvidia Modulus 和Nvidia Omniverse在现实世界中轻松使用该方法。

英伟达的AI驱动技术使用傅立叶神经算子 (FNO) 架构将 CCS 建模速度提高了700,000倍。

FNO架构可更准确地预测压力积聚和二氧化碳饱和度。与其他计算机模型相比，它的准确度是其他计算机模型的两倍，同时只需要三分之一的训练数据。

因此，该软件可帮助CCS工程师快速选择最佳注入点、确定最佳井间距和深度，以及确定捕获碳的最佳注入压力和速率。此外，工程师可以通过Nvidia Omniverse可视化和优化整个检测过程。

Nvidia软件凭借其卓越的计算能力，将碳封存模拟速度提高了70万倍。使用数值模拟器对二氧化碳羽流和压力累积进行可靠评估通常需要大约2年时间。但使用 Nvidia的FNO，可能只需要2.8 秒。

经过训练的Nvidia FNO模型可在Web 应用程序中使用，为碳捕获和存储项目提供实时模拟。因此，人工智能技术可以实现对 CCS 决策至关重要的各种任务。

改善碳储存

科学家使用碳储存模拟或建模来选择正确的二氧化碳注入地点和速率。建模还可以帮助他们优化存储效率、控制压力积聚并确保岩层不会破裂。

CCS工程师还必须了解注入的二氧化碳（也称为二氧化碳羽流）如何在地面上扩散。 研究发现Nvidia技术非常有用，可实现人工智能驱动的大规模互动碳捕获和存储。使用它，工程师可以与模型进行交互，以保证CCS项目的可靠性和安全性。安全准确的二氧化碳储存过程有助于减少逃逸到空气中的碳量。

FNO使科学家能够模拟在30年的注射过程中压力水平如何建立以及二氧化碳在何处扩散。使用这种人工智能驱动的模型进行加速，可以将模拟过程从十分钟缩短到几秒钟。 如果没有这项技术，选择二氧化碳注入点就像是在黑暗中进行。

英伟达及其人工智能模型将通过为全球气候变化减缓工作做出贡献来帮助应对气候危机，利用人工智能进行革命将是世界实现净零排放的一种方式。

标签：