AI芯片巨头辉达（Nvidia Corporation）推出了碳捕集及封存（CCS）最新应用方法，科学家及工程师可运用该技术加速碳封存。
CCS是透过将碳深埋地下缓解气候变迁的方式之一。过程中，科学家必须防止碳注入的地质发生断裂，导致二氧化碳泄漏至含水层，或在更糟情况下重回大气。
如果碳在注入岩层的过程中压力过大，很可能发生那样的情况。这正是辉达的人工智能（AI）技术所要解决的问题，协助改善碳封存。
AI降低CCS建模成本
目前世界各地有上百个CCS设施正在建造。传统CCS模拟技术成本昂贵，而且需要很长时间才能完成。机器学习与AI模型可在降低成本及时间的同时，提供相同程度的准确性。
辉达为碳封存提供了AI方法，科学家可透过Nvidia Modulus和Nvidia Omniverse实际应用。其AI技术利用「傅立叶神经算子」（Fourier Neural Operators, FNO）架构，将CCS的建模速度提升了70万倍。
FNO架构可更准确预测压力积聚和CO2饱和度，其准确度是其它计算机模型的2倍，而且只需要3分之1的训练数据。
碳封存评估最快2.8秒
具体来说，该软件可协助CCS工程师更快筛选最佳注入地点、确认井间最佳间距与深度，以及确定捕获碳的最佳注入压力和速率，确保岩层不会断裂。CCS工程师也必须理解注入的CO2将如何在地面扩散，即所谓的CO2浓度团（CO2 plume）。此外，工程师可透过Nvidia Omniverse可视化与优化整个检验过程。
运用数值模拟对CO2浓度和压力积聚进行完整评估，通常需要大约2年时间，但辉达的FNO只需要2.8秒。这使科学家能够模拟在30年的注入过程中，压力层如何积聚和CO2在何处扩散。
