An integrated deep learning framework for full-cycle CCUS-EOR evaluation and optimization under carbon neutrality

日本語

本論文は、炭素中立目標に向けてCCUS-EOR（炭素回収・有効利用・貯留と石油増進回収）の全サイクルを評価・最適化する統合深層学習フレームワークを提案する。深層学習を用いることで、CO2挙動の予測精度向上と経済性評価の効率化を実現し、最適な運用戦略を導出する。カーボンニュートラル達成に向けたCCUS技術の実装を加速する貢献が期待される。

English

This paper proposes an integrated deep learning framework for evaluating and optimizing the full cycle of CCUS-EOR (Carbon Capture, Utilization, and Storage with Enhanced Oil Recovery) under carbon neutrality goals. The deep learning approach improves prediction accuracy of CO2 behavior and enhances economic evaluation efficiency, enabling optimal operational strategies. It is expected to accelerate the implementation of CCUS technologies for carbon neutrality.

日本のGX文脈において

日本は2050年カーボンニュートラル目標達成のためCCUS技術の実用化が急務である。本フレームワークは、深層学習による効率的なCCUS-EOR評価手法を提供し、日本のCCUSプロジェクトの最適化に貢献する可能性がある。

In the global GX context

Globally, CCUS is critical for decarbonizing hard-to-abate sectors. This integrated deep learning framework offers a scalable method for full-cycle CCUS-EOR evaluation and optimization, addressing key challenges in cost and efficiency for global deployment.