پژوهشگران: هوش مصنوعی باید مرزهای ایمنی پروژه‌های انرژی زیرزمینی را تعیین کند

پژوهشگران دانشگاه Heriot-Watt و آزمایشگاه Subsurface Labs در مقاله دیدگاهی تازه‌ای استدلال کرده‌اند که سیستم‌های یاد‌گیری ماشین در حوزه انرژی‌های زمین‌پایه (Geoenergy)، به‌جای پیش‌بینی‌های تک‌نقطه‌ای، باید محدوده‌های عملیاتی سنجیده‌شده و مقید به ریسک را مشخص کنند. این محدوده‌ها، بازه‌های مجاز نرخ تزریق، فشار مخزن و سایر متغیرهای کنترلی را طوری تعیین می‌کنند که محدودیت‌های ایمنی و عملکردی با سطح اطمینان مشخصی رعایت شوند. چنین رویکردی مرزهای اقدام مشخصی را در اختیار اپراتورها می‌گذارد و مسیری مستند و قابل بررسی را برای نهادهای ناظر فراهم می‌آورد.

این پیشنهاد حوزه‌های متنوعی شامل ذخیره‌سازی دی‌اکسید کربن، انرژی زمین‌گرمایی، ذخیره‌سازی زیرزمینی هیدروژن و استخراج مواد معدنی حیاتی را در بر می‌گیرد. این پروژه‌ها طول عمر عملیاتی بسیار درازی دارند و داده‌های میدانی آن‌ها محدود است؛ به همین دلیل، اعتبارسنجی مدل‌ها معمولاً از روند استقرار میدانی عقب می‌ماند. در چنین شرایطی، خطاهای پیش‌بینی می‌توانند پیامدهای سنگینی به‌همراه داشته باشند و باعث تعویق در صدور مجوزها، افزایش بی‌رویه فشار، وقوع زلزله‌های القایی، افت عملکرد چاه‌ها یا حتی نشت دی‌اکسید کربن شوند.

کمبود داده و چالش راستی‌آزمایی میدانی

بخش انرژی زمین‌پایه فرضیات رایج یاد‌گیری ماشین را به چالش می‌کشد؛ زیرا داده‌های برچسب‌خورده در این بخش بسیار کمیاب‌اند، اندازه‌گیری‌ها با خطای نویز همراه‌اند و چندین مدل زمین‌شناسی متفاوت می‌توانند مشاهدات مشابه را به شکل‌های گوناگون توجیه کنند. این ویژگی «عدم یکتایی»، حل مسائل معکوس را بسیار دشوار می‌کند؛ مسائلی که وظیفه دارند ویژگی‌های پنهان زیر سطح زمین را بر اساس لرزه‌نگاری، نمودارگیری از چاه، پایش فشار و اندازه‌گیری تغییر شکل لایه‌ها استخراج کنند. علاوه بر این، معادلات فیزیک حاکم بر این پدیده‌ها در مقیاس‌های عملیاتی هنوز کامل نیست و مشاهده نتایج قطعی یک پروژه ممکن است دهه‌ها به طول بینجامد.

چهار مانع اصلی در مسیر پیاده‌سازی

• داده‌های برچسب‌خورده اندک و سوگیرانه: نتایج میدانی بسیار کند به دست می‌آیند و با متغیرهای ناخواسته عملیاتی آمیخته هستند. هم‌چنین مجموعه‌داده‌های آزمایشگاهی و مصنوعی معمولاً به سختی به سایت‌های جدید تعمیم می‌یابند و از سوی دیگر، ابزارهای سنجش و روش‌های اندازه‌گیری نیز در طول زمان دستخوش تغییر می‌شوند.
• ارزیابی‌های ناقص از عدم قطعیت: یک پیش‌بینی تک‌نقطه‌ای هرگز نمی‌تواند مشخص کند که آیا طرح عملیاتی پیشنهادی، در تمام سناریوهای محتمل زمین‌شناسی همچنان در محدوده امن باقی می‌ماند یا خیر.
• ارتباط ضعیف میان مقیاس‌های مختلف: مدل‌ها باید بتوانند ساختار حفرات در مقیاس میکرون را به رفتار مخازن و حوضه‌های بزرگ در پهنه‌های صدها کیلومتری پیوند بزنند؛ فرآیندی که دربرگیرنده جریان‌های پیوسته، واکنش‌های شیمیایی، انتقال حرارت و مکانیک سنگ‌ها است.