دانشگاه هریات-وات با تجارب جدیدی در زمینه تحقیقات محیطی میلادی جدیدی را پرداخته است که دستیابی به فناوریای را که پیش بینی میشود به شدت روند مدل سازی از گرفتن و ذخیره کردن کربن (CCS) را تسریع خواهد کرد، را به جلو برده است. پروژه ECO-AI ، یک پروژه چند میلیون پوندی با حمایت از UK Research and Innovation، به چگونگی اقدام به کربنپایین آوری توسط صنایع را از نو تعریف میکند.
با بهره گیری از هوش مصنوعی، تیم تحقیقاتی هریات-وات، در کنار دانشمندان همتای خود از دانشگاه امپریال لندن، محاسبات علمی را بهبود میبخشند، کشف مواد را بهینه میکنند و پیشبینیهای مالی را هم تیز کردهاند. هدف آنها پیچیده اما جسورانه است: مدت زمان مدلسازی CCS را از 100 روز فزاینده به صرف 24 ساعت کاهش دهند.
چنین پیشرفتی قصد دارد به روند پذیرش CCS در صنایعی که به طور سنتی با پاهای کربن شلتون برپا بودهاند، مانند تولید فولاد، شیمیایی و سیمان، انگیزه بخش باشد. با ارائه CCS به عنوان یک جایگزین هزینهای موثر، ابتکار ECO-AI در حال آماده شدن برای بهرهگیری قابل توجهی از آرمان های بریتانیایی برای رسیدن به صفر انتشار کربن تا سال 2050 است.
این تحقیق نوری را بر فراز ساختن حلالهای انرژیکارآمد پرتوان مینماید و ذخیرهسازی دائمی CO2 را در مخازن زمینشناوری بررسی میکند. علاوه بر این، این پروژه بخش حیاتی از تمرکز صفر نت دانشگاه را به رهبری گروه بینالمللی تحقیقاتی خود، iNetZ+، تشکیل میدهد. تخصص جمعی آنها از چندین رشته علمی ترازیابی است، همه این دستیاران برای این کار ضروری هستند.
پروفسور احمد حامد الشیخ به توجه به قدرت تغییری احتمالی بهبود الگوریتم ها برای کاربردهای آینده CCS اشاره دارد و تأکید می کند که نگهداری انرژی و دور زدن مطالعات گسترده و پر هزینه اکتشافی ضروری است. درعین حال، جیل موری، معاون اصلی امور کارآفرینی و کسب و کار در دانشگاه هریات-وات، نیز تأکید می کند که دانشگاه تعهد دارد که در پیشگامی برنامه های کاهش انتشار کربن در مقیاس جهانی باشد.
سوالات کلیدی و پاسخ ها:
– کربن گیری و ذخیره سازی چیست؟
CCS فناوریای است که دی اکسید کربنی که تولید می شود توسط فرآیندهای صنعتی یا تولید انرژی را تحت زمین ذخیره و از ورود آن به جو و افزایش دماهای جهانی جلوگیری می کند.
– چرا مدل سازی برای CCS مهم است؟
مدل سازی در CCS برای پیش بینی رفتار دی اکسید کربن هنگام تزریق در ساختارهای زمین شناسی مختلف، ارزیابی خطرات و اطمینان از استقرار طولانی مدت مخازن حفظ موثر است. این به طراحی اسیستم های CCS کارآمد و ایمن کمک می کند.
– در چه کاربردهایی هوش مصنوعی به CCS اعمال شده است؟
هوش مصنوعی برای افزایش سرعت و بهبود دقت مدلسازی CCS، اتوماسیون تجزیه و تحلیل منابع ذخیره سازی پتانسیل و بهینه سازی فرایندهای جذب و تبدیل CO2 استفاده می شود.
– چه چالش هایی روبرو استک حقایق بازی می کند؟
فناوری CCS با هزینههای بالا، نیازهای انرژی، نگرانی هایی درباره اعتبار طولانی مدت مخازن ذخیرهسازی و پذیرش عمومی روبرو است. چارچوب های قانونی و سیاستگذاری همچنین در مناطق بسیاری کامل ارتقا یافته نشده است.
چالش های کلیدی و اختلافات مرتبط با موضوع:
– قابلیت اقتصادی: CCS به خاطر هزینه های عملیاتی باالیی که بدون تحریک مالی معنی دار یا قیمتگذاری کربن، می تواند مانع از پذیرش گسترده شود.
– نیازهای انرژی: فرایند گرفتن و ذخیره کردن CO2 مصرف انرژی را افزایش می دهد که می تواند منجر به افزایش تقاضای کل انرژی شود.
– ضمانت های ذخیره سازی طولانی مدت: نگرانی هایی درباره پایداری ذخیره سازی CO2 و احتمال نشتی ها وجود دارد، که باید مانعتیابش داده و نظارت های گسترده و تنظیماتی صورت گیرد.
– توسعه زیرساخت: بنا کردن زیرساخت های مورد نیاز برای اجرای گسترده CCS یک کار پیچیده و پر هزینه است.
مزایا و معایب:
مزایا:
– کاهش گازهای گلخانهای از صنایع سنگین و نیروگاه ها
– امکان استفاده از سوختهای فسیلی به شکلی تمیزتر
– می توان به فرایندهای صنعتی موجود اضافه کرد
معایب:
– هزینه های اولیه و عملیاتی بالا
– افزایش مصرف انرژی اماکنی که CCS را اجرا می کنند
– ریسک های مربوط به ذخیره سازی طولانی مدت CO2
پیوندهای مرتبط:
– برای اطلاعات بیشتر درباره کربن گیری و ذخیره سازی، به Panel جهادی بینالحکومتی درباره تغییرات آب و هوا مراجعه کنید.
– برای برداشت های اضافی در مورد هوش مصنوعی و فناوری محیطی، به نقد فن آوری MIT مراجعه کنید.
– برای درک سیاستهای بریتانیا در زمینه CCS و کاهش انتشار کربن، به دولت بریتانیا مراجعه کنید.
*لطفا توجه داشته باشید که پیوندهای داده شده به دامنه های اصلی وبسایت های مرتبط منطقه انتهایی میبرند و اعتبار خود را تا زمان پاسخ فعلی چک کردن کنید. همیشه مطمئن شوید که از منابع آخرین و معتبر برای اطلاعات استفاده نمایید.