Project Will Use AI To Boost CCUS Efficiency | Envirotec

Publisert av Platon

Følgere: 0

Abstrakt bilde

Kunstig intelligens (AI) skal brukes til å redusere virkningen av karbonutslipp som en del av et prosjekt på 3 millioner pund ledet av forskere ved Heriot-Watt University.

ECO-AI retter seg mot industrier som er vanskelig å dekarbonisere, som stål, sement og kjemikalier gjennom karbonfangst og -lagring.

Det vil gjøre dette ved å utvikle spesialistteknikker for vitenskapelig databehandling, materialoppdagelse og økonomisk prognose, for å muliggjøre effektiv CO2-fangst og lagring i dype geologiske formasjoner, samtidig som de fastsetter de økonomiske implikasjonene for å distribuere disse teknikkene for bedrifter og for beslutningstakere.

Akademikere med base i Edinburgh jobber i samarbeid med kolleger fra Imperial College London på det toårige prosjektet.

Teamet kombinerer en rekke vitenskapelige bakgrunner, inkludert kjemiske ingeniører, fysikere, geologer, matematikere, informatikere og økonomer. De jobber sammen for å utvikle: nye energieffektive materialer for CO2-fangst (løsningsmidler); lavkostmodellering under overflaten for utforming av geologiske CO2-lagringssteder og nye økonomiske modeller for å forstå virkningen av innovasjonshastigheten på ulike scenarier for avkarbonisering.

Gruppen sier at arbeidet forventes å etterlate et vitenskapelig rammeverk for fremtidige forskere å bygge videre på og spille en viktig rolle i den britiske regjeringens netto nullmål for 2050.

"Teknikker for fjerning av CO2 tar sikte på å kompensere for gjenværende utslipp i industrier som er vanskelig å avkarbonisere og dermed bidra til Storbritannias netto nullmål," sier prosjektleder professor Ahmed H Elsheikh fra School of Energy, Geoscience, Infrastructure and Society ved Heriot-Watt University. «I ECO-AI tar vi sikte på å utvikle alle aspekter av CO2-fjerning ved å fange CO2 fra store punktkilder med utslipp ved bruk av energieffektive løsemidler og ved å redusere lagringskostnadene for CO2 i dyp geologisk formasjon ved å bruke avanserte strømningsmodelleringsteknikker.

Professor Elsheikh sier at prosjektet vil fremme eksisterende vitenskapelige forskningsstrømmer for å finne egnede alternativer for sikker lagring av CO2 i dype geologiske formasjoner uten behov for å sette inn dyre og ofte tidkrevende leteundersøkelser.

Han fortsatte: "Å utforske undergrunnen kan være ekstremt dyrt, men ved å bruke AI kan vi erstatte standardteknikker for modellering av flytmigrasjon i undergrunnen med akselererte AI-baserte teknikker. For eksempel, noe som typisk kan ta 100 dager å simulere på en superdatamaskin, vil vi kunne simulere det samme scenariet på bare én dag ved å bruke en annen type superdatamaskin som bruker våre spesialiserte AI-simulatorer.»

Professor Elsheikh kommenterer CO2-fangst og legger til: «Vi trenger materialer som kan trekke ut karbondioksid fra røykgasser uten å bruke for mye energi. Innkjøp av disse materialene har alltid vært en prøving-og-feilprosess. I ECO-AI vil vi bruke en ny forskningslinje som er avhengig av maskinlæring og AI for å oppdage energieffektive løsningsmidler for CO2-fangst og dermed redusere kostnadene ved å fange CO2 fra punktkilder.

"Gjennom ECO-AI vil vi spre funnene våre og utvikle AI-teknikker i alle våre pågående forskningsprosjekter og vil dele fremgangen vår med ulike forskningsgrupper over hele Storbritannia. Vi planlegger også å organisere to hackathons for PhD-studenter på tvers av britiske universiteter, for å utforske datasettene produsert av prosjektet og for å demonstrere AI-teknikkene utviklet av ECO-AI-teamet. Dette vil forhåpentligvis føre til fremskritt innen flere forskningsområder på tvers av det bredere forskningsmiljøet som jobber med netto null-utfordringer."

Totalt har £2.5 millioner blitt tildelt ECO-AI av UK Research and Innovation (UKRI) med ytterligere investeringer levert av prosjektpartnere, PETRONAS, Science and Technology Facilities Council (STFC) og ArianeLogiX.

For mer informasjon og for å holde deg oppdatert med prosjektet, besøk dens webside.