研究人员开发了一个新颖的机器学习框架，用于增强碳酸盐岩的表征，以应用于碳储存和石油生产等领域。该框架利用深度神经网络（DNN）作为复杂模拟的代理模型，并结合了具有多数据同化（ESMDA）的集成平滑器算法。DNN-ESMDA方法将计算时间从数千小时显著缩短到几秒钟，实现了岩石性质的高效推断和不确定性估计，这对于高保真数字岩石建模至关重要。 AI
影响 加速了碳储存等地下应用的科学模拟和表征。
排序理由 这是一篇详细介绍用于特定科学应用的机器学习新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- carbonate rock
- carbon storage
- X-ray computed tomography
- deep neural network
- ensemble smoother with multiple data assimilation
- Machine learning
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
