研究人员开发了一种图神经网络（GNN）代理模型，用于模拟复杂地质构造中的CO2运移。这种数据驱动的方法旨在复制多相流的关键物理行为，为传统模拟方法提供更快的替代方案。该模型在SPE11A基准测试上进行了评估，在气体饱和度和液相密度预测方面表现出竞争力，这对于监测CO2储存至关重要。 AI
影响 这项研究展示了GNN在加速复杂科学模拟方面的潜力，这可能会影响需要详细地质建模的领域。
排序理由 学术论文发表在arXiv上，详细介绍了一种用于特定科学模拟的新GNN代理模型。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →