Нейросеть обучили находить места для подземных хранилищ углекислого газа

Для этого ей нужны данные о сейсмической активности

С помощью алгоритмов машинного обучения ученые создали новую модель, чтобы находить и наносить на карту удобные места для подземных хранилищ углекислого газа. Об этом пишет MIT News со ссылкой на публикацию в научном журнале Geophysics.

"Наша цель – создать инструмент, с помощью которого можно будет наносить на карту все подземные структуры – так, чтобы мы могли точно знать, например, о расположении геотермальных источников в Исландии. Наше первые наработки показали, что с помощью моделей глубокого обучения (deep learning) можно будет определять варианты местоположения подземных хранилищ CO₂", – рассказал о сути работы один из исследователей, профессор прикладной математики в Массачусетском технологическом институте (MIT) Лоран Демане.

Чтобы точно картографировать подземные структуры, новой системе моделей машинного обучения нужны данные о сейсмической активности. В основе этой системы лежит сверточная нейронная сеть, которая отслеживает закономерности в данных для того, чтобы определить местоположение геотермальных источников. Ученые ожидают, что благодаря этому методу в будущем можно будет устанавливать оптимальные местоположения подземных резервуаров для хранения углекислого газа.

Сейчас основная сложность заключается в том, чтобы обучить нейронные сети на реальных данных о землетрясениях. Сейсмические волны находятся в узком диапазоне и появляются в частотах на уровне 1 Гц, в связи с чем эти волны часто заглушает сейсмический "гул" Земли и их сложно идентифицировать.

Ученые планируют создать эти данные искусственно с помощью искусственного интеллекта. Сейчас они смоделировали 30 землетрясений и разработали более ста различных сейсмических сценариев.