Karthik Mukundakrishnan – NVIDIA 技術博客
http://www.open-lab.net/zh-cn/blog
閱讀開發者創建的最新技術信息、頭條新聞 和內容。
Thu, 02 Jan 2025 09:22:04 +0000
zh-CN
hourly
1
196178272 -
聚焦：Stone Ridge Technology 利用 AWS 上的 NVIDIA PhysicsNeMo 加速油藏模擬工作流
http://www.open-lab.net/zh-cn/blog/spotlight-stone-ridge-technology-accelerates-reservoir-simulation-workflows-with-nvidia-modulus-on-aws/
Thu, 19 Dec 2024 09:18:06 +0000
http://www.open-lab.net/zh-cn/blog/?p=12486
Continued]]>
能源勘探中固有的風險和不確定性包括未知的地質參數、流體和巖石屬性的變化、邊界條件和噪聲觀測數據。嚴格校準關鍵油藏工程任務和現場優化的不確定性需要運行大量前向模擬。用例包括歷史記錄匹配、概率預測和反向問題。當與包含數十萬或數百萬個主動網格單元的高保真模型結合使用時，高性能計算 (HPC) 模擬器需要大量計算資源。 傳統上，代理或代理模型用于應對這些挑戰，因為它們能夠快速評估場景。許多現有的代理生成方法都針對特定場景，無法推廣到不同的問題。另一方面，全場代理模型在空間和時間上直接近似地求解油藏的主要或狀態變量，類似于全物理數值模擬器。 因此，可以將這些代理替換為完整的模擬器，并可用于應對各種挑戰。由于高計算要求和算法挑戰，為 3D 油藏生成全場代理仍然是一項挑戰。然而，生成完整字段代理的可行方法是結合使用先進的 ML 技術 (例如神經運算符、Neural Operators)、
Source
]]>
12486
人人超碰97caoporen国产