Fast 3D Surrogate Modeling for Data Center Thermal Management
Hewlett Packard Enterprise(慧与企业)
本文提出基于视觉的快速三维代理建模方法,用于实时预测数据中心温度分布,实现高效的冷却控制与能耗降低。
2025-12-01 cs.AI cs.CV cs.LG
Optimization of Pressure Management Strategies for Geological CO2 Sequestration Using Surrogate Model-based Reinforcement Learning
针对地质CO₂封存压力管理策略优化计算成本过高的问题,提出基于“嵌入到控制”代理模型的强化学习方法,在满足约束的同时最大化经济效益,经咸水层封存模拟验证效果显著。
2024-04-01 cs.CE
Learned coupled inversion for carbon sequestration monitoring and forecasting with Fourier neural operators
Georgia Institute of Technology(佐治亚理工学院)
地震监测碳封存是一个具有挑战性的问题,涉及流体流动物理和波动物理。此外,监测通常需要这些物理的求解器耦合和可微分,以有效地反演感兴趣的地下特性。为了大大降低计算成本,我们引入了一个学习耦合反演框架的基础上的波建模算子,岩石属性转换和代理流体流动模拟器。我们表明,我们可以准确地使用傅立叶神经运算符作为代理的流体流模拟器的一小部分的计算成本。我们证明了我们所提出的方法的有效性,通过合成实验。最后,我们的框架扩展到碳固存预测,在那里我们有效地使用代理傅立叶神经算子预测的CO2羽在未来在接近零的额外成本。
2022-03-27 cs.LG physics.geo-ph
The carbon cost of materials discovery: Can machine learning really accelerate the discovery of new photovoltaics?
Department of Chemistry, University College London(化学系,伦敦大学学院)
本文通过逐步用机器学习代理替换DFT组件并量化CO₂排放,系统评估了光伏材料筛选中精度与碳成本的权衡,发现直接预测标量效率比预测光谱更可行,并提出了低排放高通量发现流程的定量框架。
2025-07-17 cond-mat.mtrl-sci cs.LG
A Comparative Study of Deep Learning Models for Geological Carbon Sequestration
University of Waterloo(滑铁卢大学)
比较U-Net、V-Net、TCN、FNO和U-FNO等深度学习代理模型在地质碳封存中预测瞬态压力积聚和CO2饱和度的性能,发现U-FNO对CO2饱和度预测最准,FNO对压力预测最佳。
2026-06-05 cs.CE
Frequency-aware Surrogate Modeling With SMT Kernels For Advanced Data Forecasting
Fédération ENAC ISAE-SUPAERO ONERA, Université de Toulouse, 31000, Toulouse, France(法国ENAC联合会ISAE-SUPAERO ONERA,图卢兹大学);IFP Energies nouvelles, Institut Carnot IFPEN Transports Energie, 92852 Rueil-Malmaison, France(法国IFP能源新领域,IFPEN交通运输能源研究所);IRIT, Université de Toulouse, CNRS, Toulouse INP, UT3, UT Capitole, Toulouse, France(图卢兹大学,国家科学研究中心,图卢兹INP,UT3,UT Capitole);ICA, ISAE--SUPAERO, INSA, CNRS, MINES ALBI, UPS, Université de Toulouse, 31400 Toulouse, France(ICA,ISAE-SUPAERO,INSA,国家科学研究中心,MINES ALBI,UPS,图卢兹大学)
本文提出基于SMT 2.0开源框架的频率感知代理建模方法,通过扩展核函数及组合提升复杂系统数据预测能力。
2025-07-13 cs.AI cs.LG math.OC
Three-dimensional inversion of gravity data using implicit neural representations and scientific machine learning
Geological Survey of Finland(芬兰地质调查局);Indian Institute of Technology Bombay(印度理工学院孟买分校)
本文提出一种基于隐式神经表示的三维重力反演方法,通过物理正演模型损失直接训练深度神经网络,实现连续密度场的反演,无需预定义网格或离散化,提升对地质结构的重建能力。
2026-04-06 cs.LG physics.geo-ph
Latent Space Simulation for Carbon Capture Design Optimization
Lawrence Livermore National Laboratory(劳伦斯利弗莫尔国家实验室);UCSD(加州大学圣迭戈分校);Pacific Northwest National Laboratory(太平洋西北国家实验室)
溶剂型碳捕集系统(CCS)的CO2捕集效率主要取决于气体-溶剂界面面积(IA),使得IA的最大化成为CCS设计中的基本挑战。虽然可以通过计算流体动力学(CFD)模拟来估计与特定CCS设计相关联的IA,但是使用CFD来导出与许多CCS设计相关联的IA的成本过高。幸运的是,以前的工作,如深流体(DF)(金等人,2019年)表明,通过用忠实地模拟CFD模拟过程的神经网络(NN)替代物取代CFD模拟器,可以实现大的模拟加速。这提高了快速、准确地替换CFD模拟器的可能性,从而有效地近似CCS设计优化所需的IA。因此,在这里,我们建立在DF方法的基础上,开发可以成功应用于我们复杂的碳捕获CFD模拟的替代品。我们优化的DF风格的代理产生大的加速比(4000倍),同时获得IA相对误差低至4%的看不见的CCS配置,位于训练配置的范围内。这暗示了我们CCS设计优化问题的NN代理人的承诺。尽管如此,DF在CCS设计方面具有固有的局限性(例如,有限的训练模型到新CCS填料的可转移性)。最后,我们提出了应对这些挑战的想法。
2021-12-22 cs.CE cs.LG
Surrogate-to-code verification of a non-intrusive POD-GPR machine-learning emulator of peak thermomechanical fields, with application to a carbon-carbon aircraft brake disc
organization= Independent Researcher , city= Paris , country= France
研究针对非侵入式降阶模拟器在认证级应用中需严格误差评估的问题,提出基于POD - GPR的验证框架,制定误差预算并评估。该框架应用于碳 - 碳飞机刹车盘,实现代理到代码保真度,还给出两项次要贡献。
2026-07-21 cs.CE cs.NA math.NA
Can We Optimize the Performance-Carbon Emission Break-Even Point?: The Quest for Greener LLMs
IIIT Kalyani(卡里亚尼印度信息技术学院);BITS Pilani Goa(皮拉尼贝拉理工学院果阿校区);IISER Kolkata(加尔各答印度科学教育与研究学院)
该研究探究能否通过将感知碳排放的联合损失机制用于微调,在Gemmc-2 2B等三类LLM上实现推理性能与碳排放的盈亏平衡,发现碳排放项作用随任务结构变化,提出轻量正则化方案。
2026-08-11 cs.AI cs.CE cs.CL
Graph Network Surrogate Model for Optimizing the Placement of Horizontal Injection Wells for CO2 Storage
本研究开发了图网络代理模型GNSM,用于预测3D地质模型中水平注CO₂井任意配置下的压力和饱和度场,结合差分进化算法优化井位,在保证精度的同时实现约120倍加速,效果与高保真模拟相当。
2024-09-22 cs.CE
Updating DMD Operators for Changes in Domain Properties
Harold Vance Department of Petroleum Engineering, Texas A&M University(德克萨斯农工大学);Texas A&M Energy Institute, Texas A&M University(德克萨斯农工大学能源研究所)
本文提出了一种无需重新训练即可更新DMD算子以适应域属性变化的方法,通过调整模型内部动态和空间表示,实现快速且准确的替代模型更新。
2025-11-27 cs.CE math.OC physics.comp-ph
The FluidFlower International Benchmark Study: Process, Modeling Results, and Comparison to Experimental Data
成功部署地质碳封存(GCS)需要广泛使用储层模拟器来筛选、排序和优化封存地点。然而,GCS的时间尺度是这样的,还没有足够的长期数据来验证模拟器。因此,目前没有可靠的基础来评估大规模全球控制系统业务动态预测的质量。为了弥补这一知识差距,我们进行了一项重大的GCS验证基准研究。为了实现合理的时间尺度,建造了一个实验室大小的地质储存构造(“FluidFlower”),为实验和计算工作奠定了基础。在FluidFlower中进行了由重复GCS操作组成的验证实验,提供了我们定义的该系统的真实物理动力学。来自世界各地的九个不同的研究小组根据FluidFlower砂的详细物理和岩石物理特征,单独或合作提供了预测。本文的主要贡献是报告和讨论的结果的验证基准研究,补充说明的基准过程和参与的计算模型。通过各种指示性的定性和定量措施,将参与小组的预测相互比较,并与实验数据进行比较。通过这一点,我们提供了一个详细的评估能力的油藏模拟器和他们的用户捕捉到的注入和注入后动态的GCS操作。
2023-02-09 cs.CE physics.geo-ph