Un modello surrogato di IA prevede le operazioni di stoccaggio di CO2 in acquiferi fagliati

I ricercatori hanno sviluppato un surrogato trasformatore auto-regressivo multimodale per modellare operazioni variabili e quantificare l'incertezza nello stoccaggio geologico di carbonio. Lo studio, disponibile su arXiv (2608.02629), affronta la sfida di ottimizzare le strategie di perforazione e iniezione in condizioni di incertezza geologica. Il surrogato elabora tre modalità di input: un geomodello 3D, parametri scalari per le funzioni di permeabilità relativa e variabili di controllo (durata delle fasi e tassi di iniezione). Questi vengono fusi tramite auto-attenzione in un encoder trasformatore, con un decoder temporale che genera previsioni in modo auto-regressivo. Il modello è stato addestrato su 4000 simulazioni di flusso GEOS utilizzando un geomodello SEAM CO2 modificato, che include un sistema fagliato con tre acquiferi sovrapposti. Due pozzi di iniezione sono perforati in fasi dal basso verso l'alto. Questo approccio mira a migliorare l'efficienza delle operazioni di stoccaggio del carbonio consentendo previsioni rapide e quantificazione dell'incertezza, potenzialmente aiutando nella progettazione di progetti di cattura e stoccaggio del carbonio (CCS) più efficaci.