作者:凯瑟琳•米勒(Katharine Miller),2022.10.03
译者:JM茉莉
为了应对气候变化,斯坦福大学工程师杰夫·凯尔斯(jeff Caers)正在开发一种人工智能系统,以帮助尽早做出最佳规划决策。
许多国家承诺到2050年实现净零排放。但要实现这一目标需要复杂的工程技术,涉及地球各圈层的物理系统;需要迅捷精准的计划以决策何时、何地、以何种顺序做何事。斯坦福杜尔可持续发展学院(Stanford Doerr School of Sustainability)地质科学教授、斯坦福以人为本人工智能研究院(Stanford Institute for Human-Centered AI)成员杰夫·凯尔斯(Jeff Caers)表示。
“人类无法做到这一点,需要借助AI技术”,凯尔斯说。
在早期的概念验证中,凯尔斯团队与KoBold Metals公司合作开发了一个AI系统,用于快速高效地确定矿物开采地点,这些矿物是制造电动汽车电池至关重要的原料。凯尔斯说:“这种勘探方式非常明智,通过决定需要收集什么信息来进行智能勘探,能最大程度地减少不确定性。”
该团队最近以“智能勘探者”(Intelligent Prospector)的名义发表了这项工作,该系统可以轻松调整以应对其他净零挑战。
例如,凯尔斯团队已经开始使用同样的方法来确定将二氧化碳(CO2)注入地下的位置和方式,以安全储存钢铁/水泥厂产生的二氧化碳。他们在斯坦福以人为本人工智能研究所(HAI)的资助下开发的一个原型,通过使用AI做智能注入决策。与传统优化方法相比,此法能增加特定地点的二氧化碳储量。基于此项工作,奥地利能源公司OMV和斯坦福工程学院教授迈克尔·科亨德弗(Mykel Kochenderfer)达成了价值515万美元的合作项目。凯尔斯团队将利用该合作机会开发智能代理,以帮助欧洲国家在住宅和工业供暖上,从石油向可持续能源过渡。
“我们用于所有这些项目的软件非常相似,”凯尔斯说,“无论你是计划钻探地热井,还是长期监测CO₂注入场地,这个问题在数学上都有一个统一的表述。”这意味着,他说,AI将在许多其他净零2050规划实例中发挥贡献。
净零2050与CO₂封存
要到2050年实现净零排放,各国需要实现许多子目标,例如转向电动汽车、改进电池技术以及增加风能、太阳能和地热能等能源的使用。但或许最具挑战性的是工业供热生产,凯尔斯说。生产某些必需材料(如钢铁、水泥、玻璃和塑料)需要400摄氏度到1400摄氏度以上的高质量热能。
“这是一个大问题,因为化石燃料燃烧温度高,而且目前相对便宜,”凯尔斯说。从长远来看,其他解决方案正在出现,例如氢气或氨气,但目前,减轻燃烧化石燃料用于工业供热生产影响的唯一方法是将产生的CO₂注入地下,凯尔斯说。
在地下封存CO₂涉及将其注入多孔岩位于非多孔岩(如页岩)之下的位置,这种岩层能够储存大量CO₂而不会使其渗漏到地下水中。在哪里以及注入多少是一个规划问题,凯尔斯的团队将帮助解决。另一个问题是安全性:研究人员知道,将水注入地下用于地热能生产可能会引发地震。由于CO₂在深处会变成液体,CO₂封存也存在同样的风险。
净零2050的未来取决于精确规划,以确保风险最小化,凯尔斯说。
此外还有成本问题。碳封存市场必须由政府设定碳的指令和价格来创造。欧洲已经广泛发生。但即使有了适当的激励措施,封存成本仍然很高。它需要从钢铁或水泥厂收集CO₂;建造管道将其输送到可以封存的地点;将其注入地下;并在很长一段时间内监测注入井的泄漏和地震安全性。
“这个过程需要在50到100年的时间跨度内进行优化,这是我们试图用AI解决的复杂问题,”凯尔斯说。
原型化AI决策工具
决定在哪里以及以多快的速度注入CO₂,以及监测泄漏和地震性等风险,是一个非常复杂的不确定条件下的序贯规划问题,凯尔斯说。地球岩层的复杂性使其更具挑战性,其中一些岩层包含流体可以流动的孔隙,而另一些则阻止这种流动。将流体注入多孔岩并理解或预测它将如何在岩层中上升并非易事。
为了解决此难题,凯尔斯的团队最近开发了一个原型系统,用于确定在一个特定地点以何种顺序以及何种速率注入多少CO₂井。他们复制了一个典型的情况,即从地球物理数据中,他们对位于致密岩层之下的多孔岩的数量有一个相当准确的了解。他们还知道地震断层的位置,并且对可能影响CO₂在岩层中移动的岩层孔隙度的变化有一些了解。然后他们模拟了在不同地点注入时CO₂流入岩层孔隙的情况:在一个随机点;在一个专家经过合理计算选择的两个相对中心位置;以及凯尔斯团队的AI系统选择的三个地点,以特定顺序注入。
结果表明:与专家选择的注入地点相比,智能代理选择的程序在没有泄漏的情况下增加了40%的CO₂注入量。“像这样的解决方案比人类能够想象的要优化得多,”凯尔斯说。
奥地利能源公司OMV现正与凯尔斯的实验室合作,将他们的智能代理推向下一步:在欧洲的枯竭气藏中实施。在这些场所,场地有现有的用于提取天然气的井。现在的问题是:智能代理会选择哪些地点用于CO₂注入,以及以何种顺序?这是一个巨大的组合问题——存在大量不确定性——需要解决。“AI可以解决一个组合问题,其解决方案数量几乎是无限的,”凯尔斯说。
为未来投资
实现2050年净零目标存在道德上的必然性,但公司也需要商业激励。
投资者对使用智能代理开采电动汽车电池关键矿物钴的使用反应积极,凯尔斯说。“他们看到他们的投资回报会更快到来,”凯尔斯认为,投资者也会被AI在碳封存中减少猜测的方式所吸引。OMV最近的515万美元投资就表明了这一点,这意味着凯尔斯和科亨德弗的团队将从10名研究生增加到大约20名,从事AI系统各个组成部分的工作。
“「净零2050」的一个挑战是事情发生的速度,”凯尔斯说,“我们需要在大规模上进行复杂规划和工程,并且以非常重要的速度进行。为此,我们需要使用AI的智能解决方案。”
注:斯坦福以人为本人工智能研究所(Stanford Institute for Human-Centered AI)的使命是推进人工智能的研究、教育、政策和实践,以改善人类状况。
英文原文编辑:Wind