Smartere beregninger for trygg energi og CO₂-lagring

Fremtidens energiutvinning og CO₂-lagring krever store datamodeller for å forstå hvordan varme, væske og mekaniske krefter oppfører seg i berggrunnen. Slike modeller er ofte så tunge å regne på at selv moderne superdatamaskiner sliter. Avhandlingen tar for seg hvordan disse beregningene kan gjøres både raskere og mer pålitelige.

Arbeidet presenterer nye metoder som gjør datamodellene både raskere og mer stabile for problemer der bergsprekker sklir og åpner seg – en utfordring både innen geotermisk energi og sikker lagring av CO₂. De nye algoritmene viser god ytelse på ulike geometrier og fysiske forhold, og skalerer godt når modellene blir større og mer detaljerte.

Avhandlingen utvikler også en maskinlæringsbasert metode som automatisk velger de mest effektive løserne underveis i simuleringen. I stedet for å kreve store treningssett med data, lærer systemet fortløpende og tilpasser seg endringer i de fysiske prosessene. Dette gir betydelig tidsbesparelse når tusenvis av mulige konfigurasjoner må testes.

Metodene er implementert i det åpne forskningsverktøyet PorePy, slik at andre kan bygge videre på resultatene. Til sammen bidrar arbeidet til mer presise og kostnadseffektive simuleringer, som igjen kan styrke både energisikkerhet og klimatiltak.

Personalia

Yury Zabegaev (f. 1999) er doktorgradsstipendiat ved Matematisk institutt, Universitetet i Bergen. Hans veiledere er Eirik Keilegavlen, Inga Berre og Einar Iversen. Han har en mastergrad i anvendt matematikk og fysikk fra Moskvas Institutt for Fysikk og Teknologi, med fokus på numerisk modellering. Hans kompetanse inkluderer simulering av væsker og faste stoffer i geologiske formasjoner, høyytelsesberegninger, programmering, maskinlæring og dataanalyse.