为了减缓气候变迁的步调，各国相继投入碳捕集和碳封存的研究。本周的水资源进展期刊（Advances in Water Resources）便报导指出，有科学家研发出一种新的人工智慧（AI）工具，可以比以往更快速、更精确地将二氧化碳等温室气体锁在岩层中。
碳捕集与储存係将发电厂排放的二氧化碳集中后重新导回地下，并加以储存的一种技术，可用于协助炼油、水泥和钢铁等产业脱碳并且实现其减排目标，而全世界目前在建设阶段的碳捕集与储存设施共有逾一百个。
在将二氧化碳注入岩层的时候，科学家们必须避免过度压力累积，否则可能会破坏地质构造，并将二氧化碳洩漏到岩层上方的含水层中，甚至洩漏到大气中。
而本次研发出的新方法，是透过一种名为U-FNO的新计算架构，它可以在不到一秒的时间内模拟碳储存过程的压力水平，协助科学家找到最佳的注入速率和位置。
科学家可以使用这种碳储存模拟器来选择正确的注入位置和速率，并且控制压力累积量，便能最大限度地提高储存效率，且确保注入过程不会破坏岩层。
相较之下，传统的碳封存模拟器耗时且计算成本高，而新的模拟器具备机器学习模型，不仅准确度接近，也能大大减少所需的时间和成本。
U-FNO系统是建立于U-Net网路架构和傅立叶神经算子网路架构（Fourier neural operator）之上，可以更准确地预测气体饱和度和压力累积量。与使用卷积神经网路（convolutional neural network）相比，U-FNO的准确度高出了两倍，而且仅需三分之一的训练数据。
透过U-FNO系统，科学家能够模拟岩层内的压力水平以及在注入的30年内二氧化碳将如何扩散。此外，透过使用GPU加速机器学习，研究人员亦可以在短时间内模拟许多注射位置。
U-FNO的研究员之一哈利里（Farah Hariri）对此评论道，透过这项研究，展现了人工智慧如何可以加速对抗气候变迁。
