پروژه از هوش مصنوعی برای افزایش کارایی CCUS استفاده خواهد کرد

بازنشر افلاطون

دنبال: 0

تصویر انتزاعی

هوش مصنوعی (AI) قرار است برای کاهش تاثیر انتشار کربن به عنوان بخشی از پروژه 3 میلیون پوندی توسط دانشمندان دانشگاه هریوت وات استفاده شود.

ECO-AI صنایعی مانند فولاد، سیمان و مواد شیمیایی را که به سختی کربن زدایی می شوند از طریق جذب و ذخیره کربن هدف قرار می دهد.

این کار را با توسعه تکنیک‌های تخصصی برای محاسبات علمی، کشف مواد و پیش‌بینی مالی انجام می‌دهد تا امکان جذب و ذخیره‌سازی کارآمد CO2 در تشکل‌های زمین‌شناسی عمیق را فراهم کند و در عین حال پیامدهای مالی در استقرار این تکنیک‌ها را برای مشاغل و سیاست‌گذاران تعیین کند.

دانشگاهیان مستقر در ادینبورگ با همکاری همکاران امپریال کالج لندن روی این پروژه دو ساله کار می کنند.

این تیم مجموعه ای از پیشینه های علمی از جمله مهندسان شیمی، فیزیکدانان، زمین شناسان، ریاضیدانان، دانشمندان کامپیوتر و اقتصاددانان را ترکیب می کند. آنها در حال کار با هم برای توسعه: مواد جدید کارآمد انرژی برای جذب CO2 (حلال). مدل‌سازی زیرسطحی کم‌هزینه برای طراحی سایت‌های ذخیره‌سازی CO2 زمین‌شناسی و مدل‌های مالی جدید برای درک تأثیر نرخ نوآوری بر سناریوهای مختلف کربن‌زدایی.

این گروه می‌گوید انتظار می‌رود این کار چارچوبی علمی برای محققان آینده بگذارد تا بر اساس هدف صفر خالص دولت بریتانیا برای سال 2050 نقش مهمی ایفا کنند.

پروفسور احمد اچ الشیخ، سرپرست پروژه، از دانشکده انرژی، علوم زمین، زیرساخت و جامعه در دانشگاه هریوت وات، می گوید: «تکنیک های حذف CO2 با هدف جبران انتشار باقیمانده در صنایع سخت کربن زدایی و در نتیجه کمک به اهداف خالص صفر بریتانیا است. در ECO-AI، هدف ما توسعه تمام جنبه‌های حذف CO2 با جذب CO2 از منابع نقطه‌ای بزرگ انتشار با استفاده از حلال‌های کارآمد انرژی و کاهش هزینه‌های ذخیره‌سازی CO2 در تشکیلات زمین‌شناسی عمیق با استفاده از تکنیک‌های مدل‌سازی جریان پیشرفته است.

پروفسور الشیخ می‌گوید این پروژه جریان‌های تحقیقات علمی موجود را در یافتن گزینه‌های مناسب برای ذخیره‌سازی ایمن CO2 در سازندهای زمین‌شناسی عمیق بدون نیاز به استقرار تحقیقات اکتشافی پرهزینه و اغلب وقت‌گیر، پیش خواهد برد.

وی ادامه داد: «کاوش در زیرسطحی می‌تواند بسیار پرهزینه باشد، اما با استفاده از هوش مصنوعی می‌توانیم تکنیک‌های استاندارد برای مدل‌سازی مهاجرت جریان در زیرسطح را با تکنیک‌های مبتنی بر هوش مصنوعی شتاب‌دهی جایگزین کنیم. به عنوان مثال، چیزی که معمولاً ممکن است 100 روز طول بکشد تا در یک ابر رایانه شبیه‌سازی شود، ما می‌توانیم همان سناریو را تنها در یک روز با استفاده از نوع متفاوتی از ابر رایانه‌ای که از شبیه‌سازهای تخصصی هوش مصنوعی ما استفاده می‌کند شبیه‌سازی کنیم.

پروفسور الشیخ در مورد جذب CO2 می افزاید: «ما به موادی نیاز داریم که بتوانند دی اکسید کربن را از گازهای دودکش بدون مصرف انرژی زیاد استخراج کنند. تامین منابع این مواد همیشه یک فرآیند آزمون و خطا بوده است. در ECO-AI، ما از خط جدیدی از تحقیقات مبتنی بر یادگیری ماشین و هوش مصنوعی برای کشف حلال‌های کارآمد انرژی برای جذب CO2 و در نتیجه کاهش هزینه‌های جذب CO2 از منابع نقطه‌ای استفاده خواهیم کرد.

از طریق ECO-AI، یافته‌های خود و تکنیک‌های هوش مصنوعی را در تمام پروژه‌های تحقیقاتی در حال توسعه خود منتشر خواهیم کرد و پیشرفت خود را با گروه‌های تحقیقاتی مختلف در سراسر بریتانیا به اشتراک خواهیم گذاشت. ما همچنین قصد داریم دو هکاتون را برای دانشجویان دکترا در سراسر دانشگاه های بریتانیا سازماندهی کنیم تا مجموعه داده های تولید شده توسط پروژه را بررسی کنیم و تکنیک های هوش مصنوعی توسعه یافته توسط تیم ECO-AI را نشان دهیم. این امیدواریم منجر به پیشرفت در زمینه های تحقیقاتی متعدد در سراسر جامعه تحقیقاتی گسترده تر شود که روی چالش های خالص صفر کار می کنند.

در مجموع، 2.5 میلیون پوند توسط تحقیقات و نوآوری انگلستان (UKRI) با سرمایه گذاری بیشتر توسط شرکای پروژه، PETRONAS، شورای تأسیسات علم و فناوری (STFC) و ArianeLogiX به ECO-AI اعطا شده است.

برای اطلاعات بیشتر و به روز بودن پروژه به آن مراجعه کنید صفحه وب.