デジタル岩石から地質炭素貯留の意思決定へ：深層アンサンブルによるCO2飽和度の時間分解予測

日本語

本論文は、デジタル岩石画像と深層アンサンブル学習を用いて、地質学的CO2貯留におけるCO2飽和度の時間変化を高精度に予測する手法を提案する。不確実性を定量化することで、貯留層の挙動予測と意思決定を支援し、CCUSの実装効率と安全性を向上させる。AI技術と炭素貯留の融合は、脱炭素社会実現に向けた重要な進展である。

English

This paper proposes a deep ensemble approach using digital rock images to predict time-resolved CO2 saturation in geological carbon storage. By quantifying uncertainty, it enhances reservoir behavior prediction and decision-making, improving CCUS implementation efficiency and safety. The fusion of AI and carbon storage marks a significant step toward decarbonization.

日本のGX文脈において

日本では、CCUSがカーボンニュートラル実現の鍵として位置づけられ、政府主導のプロジェクトや企業の取り組みが進む。本手法は貯留層評価の高度化に寄与し、国内のCCUS実証・商用化におけるリスク評価や投資判断を支援する。また、AIを活用した地質評価は、日本の研究機関や企業の競争力強化につながる。

In the global GX context

Globally, CCUS is recognized as essential for meeting net-zero targets, with projects scaling up under frameworks like the IEA and national policies. This deep learning approach offers a novel tool for reservoir characterization and risk assessment, potentially reducing costs and improving reliability of carbon storage projects. It contributes to the growing literature on AI applications in climate mitigation technologies.