為了減緩氣候變遷的步調，各國相繼投入碳捕集和碳封存的研究。本周的水資源進展期刊（Advances in Water Resources）便報導指出，有科學家研發出一種新的人工智慧（AI）工具，可以比以往更快速、更精確地將二氧化碳等溫室氣體鎖在岩層中。
碳捕集與儲存係將發電廠排放的二氧化碳集中後重新導回地下，並加以儲存的一種技術，可用於協助煉油、水泥和鋼鐵等產業脫碳並且實現其減排目標，而全世界目前在建設階段的碳捕集與儲存設施共有逾一百個。
在將二氧化碳注入岩層的時候，科學家們必須避免過度壓力累積，否則可能會破壞地質構造，並將二氧化碳洩漏到岩層上方的含水層中，甚至洩漏到大氣中。
而本次研發出的新方法，是透過一種名為U-FNO的新計算架構，它可以在不到一秒的時間內模擬碳儲存過程的壓力水平，協助科學家找到最佳的注入速率和位置。
科學家可以使用這種碳儲存模擬器來選擇正確的注入位置和速率，並且控制壓力累積量，便能最大限度地提高儲存效率，且確保注入過程不會破壞岩層。
相較之下，傳統的碳封存模擬器耗時且計算成本高，而新的模擬器具備機器學習模型，不僅準確度接近，也能大大減少所需的時間和成本。
U-FNO系統是建立於U-Net網路架構和傅立葉神經算子網路架構（Fourier neural operator）之上，可以更準確地預測氣體飽和度和壓力累積量。與使用卷積神經網路（convolutional neural network）相比，U-FNO的準確度高出了兩倍，而且僅需三分之一的訓練數據。
透過U-FNO系統，科學家能夠模擬岩層內的壓力水平以及在注入的30年內二氧化碳將如何擴散。此外，透過使用GPU加速機器學習，研究人員亦可以在短時間內模擬許多注射位置。
U-FNO的研究員之一哈利里（Farah Hariri）對此評論道，透過這項研究，展現了人工智慧如何可以加速對抗氣候變遷。
