Совместная инициатива Pacific Northwest National Laboratory (PNNL), Nvidia и компании Fervo Energy направлена на создание цифрового двойника геотермальных резервуаров. Этот виртуальный инструмент позволит моделировать процессы добычи тепла из недр Земли с беспрецедентной точностью, чтобы сделать чистую энергию более доступной и дешевой для массового потребителя.
Проблема текущих методов заключается в медленности моделирования. Сейчас операторы не могут получать данные в реальном времени о состоянии скважин или трубопроводов, что приводит к неэффективному использованию ресурсов. Новая система позволит оптимизировать добычу, сокращая задержки в принятии решений.
Технологический стек проекта опирается на три ключевых компонента:
- PNNL отвечает за обучение моделей ИИ;
- Nvidia предоставляет вычислительную инфраструктуру и экспертные знания;
- Fervo Energy поставляет закрытые данные со своих объектов в Неваде и Юте.
Масштаб проекта впечатляет цифрами. Например, коммерческий пилот Fervo Energy (Project Red) в Неваде уже начал снабжать 3 мегаватта электроэнергии для дата-центров Google. Новая станция Cape Station в Юте, которую планируют запустить в 2024 году, сможет выдавать 500 мегаватт — этого достаточно, чтобы обеспечить электричеством небольшой город.
Цифровой двойник (EGS Twin) станет доступен к 2029 году. Он будет интегрирован в библиотеки Omniverse от Nvidia, позволяя инженерам отвечать на критические вопросы:
- Сколько мониторинговых скважин нужно системе?
- Как спроектировать их для максимального КПД?
- Какой объем воды необходимо закачивать для создания необходимых трещин?
Для конечного потребителя это означает переход на более предсказуемую модель энергоснабжения. Благодаря ИИ-моделированию геотермальные системы станут масштабируемыми, что ускорит путь к углеродно-нейтральной сети и обеспечит стабильный доступ к энергии без зависимости от цен на ископаемое топливо. Следите за развитием проекта до 2029 года, чтобы понять, когда ваша локальная энергосеть сможет полностью перейти на такие источники. Подробнее: Почему нейросети потребляют энергию целых городов?.
