Автор: VictoriaSeredina. Ученые много сделали, чтобы найти методы улавливания углекислого газа (диоксид углерода, CO₂) и предотвращать его обратное попадание в атмосферу. Но уровни CO₂ все равно продолжают расти. В поисках новых способов улавливания и хранения CO₂ команда IBM Research решила задействовать высокопроизводительные вычислительные системы (HPC) и гибридные облачные технологии.

В статье, недавно опубликованной в Scientific Reports журнала Nature, ученые IBM представили оптимизированный алгоритм моделирования микрополостей — капиллярных сетей — в пористых породах, встречающихся в природе в геологических формациях. В таких микрополостях можно безопасно, в жидкой или твердой форме, хранить углекислый газ, улавливаемый из выхлопных газов и иных точечных выбросов, которые возникают в процессе производства энергии.

Вместе с учеными из Института физики Сан-Карлоса, входящего в состав Университета Сан-Паулу (Бразилия), и представителями международной нефтяной корпорации Petrobras, команда IBM Research показала, что при использовании предложенных алгоритмов базовый анализ горных пород можно проводить быстрее и эффективнее, чем при использовании только лабораторных тестов. Полный цикл анализа можно сократить с нескольких месяцев до нескольких дней и, соответственно, снизить расходы, а потенциально — и повысить эффективность, а также нивелировать некоторые риски, связанные с хранением углерода в геологических формациях.

Горная порода как хранилище углекислого газа

Идея состоит в том, чтобы сначала сжать CO₂ до жидкой формы, а затем заливать его в пористую горную породу. После этого газ минерализуется, то есть становится твердым. В такой форме его можно безопасно хранить десятилетиями или даже веками.

И хотя это одно из самых многообещающих решений проблемы хранения углерода, существуют некоторые сложности. Насколько эффективным будет этот процесс, учитывая нынешнее состояние хранилищ? Какие физические и химические показатели нужно иметь в виду при выборе породы? Как ускорить минерализацию CO₂ и гарантировать устойчивость геологического хранилища?

Для ответа на эти вопросы в IBM Research разработали алгоритмы, позволяющие анализировать изображения образцов горных пород в высоком разрешении. Используя рентгеновскую микротомографию, исследователи сделали серию снимков, а затем на их основе создали цифровую трехмерную модель образца горной породы. Затем полученные результаты экстраполировали на горный массив, более чем в 3 тыс. раз превосходящий по объему взятый образец, чтобы посмотреть, что произойдет при таком увеличении масштаба. Именно такой масштаб обычно используют при лабораторной оценке и проверке возможностей горной породы. Высокая точность алгоритмов позволяет правильнее оценить сколько CO₂ смогут вместить микропоры породы — их диаметр может составлять от нескольких нанометров до нескольких миллиметров.

Применение облачных систем и HPC

Выяснив пространственное распределение связанных полостей внутри образца породы, ученые применяют модель анализа потоков и прогнозируют вместимость на основании геометрических границ капиллярной сети. Способность точно оценить геометрию полостей крайне важна для моделирования потоков CO₂ при заполнении им горной породы.

Тут как раз и применяются облачные технологии и высокопроизводительные вычислительные системы.

Для создания 3D-моделей симуляторы IBM Research используют продвинутые алгоритмы обработки изображений. Эти алгоритмы сегмент за сегментом проходят образец, анализируя послойные снимки и выявляя наличие полостей и другие особенности разных слоев горной массы. После такой сегментации алгоритм создает предельно точную модель капиллярной сети. Он анализирует выявленные полости и оценивает объем доступного пространства связанных полостей в горной породе.

В опубликованной статье команда ученых показала, что повышение точности прогнозирования, достигаемое благодаря применению нового алгоритма, позволяет выявлять закономерности и рассчитывать вместимость горной породы без дополнительной корректировки или калибровки. Кроме того, она продемонстрировала, что можно рассчитать вместимость породы в тех же масштабах, что и при лабораторных исследованиях, взяв за основу характеристики микропотоков внутри капиллярной системы. При этом прогноз будет отличаться повышенной точностью, а составить его можно гораздо быстрее, чем в лаборатории.

Новый алгоритм оцифровки и моделирования горной породы работает на базе облачной системы IBM FlowDiscovery Simulator. Этот инструмент, представленный в марте 2021 года на встрече Американского физического общества, помогает оценивать возможности улавливания CO₂, а в перспективе — сценарии хранения в пористых веществах.

Потенциальные результаты применения методов улавливания углерода

Хотя ученые IBM уже существенно повысили точность моделирования потоков в пористых веществах, многое еще только предстоит сделать. Главная задача сейчас — усовершенствовать цифровые модели, добавить в них сведения о химических процессах и использовании веществ, которые будут способствовать минерализации CO₂. Конечная цель исследования — найти высокоэффективные недорогие материалы и масштабируемые методы для безопасного долгосрочного хранения диоксида углерода.

Результаты работы, проведенной совместно с исследователями из Университета Сан-Карлоса и корпорации Petrobras, показали, что предложенная модель может оказаться эффективной. IBM Research сделала микротомографические снимки образцов породы и ключевые алгоритмы выявления капиллярных сетей общедоступными, чтобы другие исследователи могли тестировать и применять их на практике.

Эта работа является частью более масштабной инициативы IBM Future of Climate, начатой в 2020 году с целью развития технологий отбора материалов и накопления научных знаний на базе международной сети исследовательских лабораторий IBM. В рамках этой инициативы исследуются и разрабатываются стратегии сокращения углеродного следа облачных систем и цепочек поставки, а также методы моделирования последствий изменения климата.

Ссылка на оригинальный материал на английском