Climate/Weather/Ocean Modeling – NVIDIA 技術博客

利用碳捕獲和存儲數字孿生實現凈零戰略

Thu, 06 Apr 2023 02:57:57 +0000

一氧化碳捕獲和儲存技術捕獲 CO2從其生產來源，對其進行壓縮，通過管道或船舶運輸，并將其儲存在地下。 CCS 使各行業能夠大幅降低 CO2是幫助工業制造商實現凈零排放目標的有力工具。在許多重工業過程中，溫室氣體（ GHG ）排放無法在規定的時間內避免，必須使用 CCS 解決方案，如水泥、化肥和化工行業。在全球范圍內減少溫室氣體排放的情景突出了 CCS 在能源組合中的作用。為了達到 2 ° C 的目標，根據IEA’s sustainable development scenario，超過 1000 萬噸 CO2到 2030 年，每年都必須進行儲存，從現在到 2050 年，必須部署大量 CCS 裝置。如今，約有 30 個大型裝置投入運行，注入了約 4000 萬噸 CO2每年。這項技術的發展將在未來十年迅速增長，但這一有前景的解決方案尚未證明它可以以可接受的成本實現工業化。

Source

]]>

基于物理的機器學習平臺 NVIDIA PhysicsNeMo 現已開源

Thu, 23 Mar 2023 08:37:54 +0000

基于物理的機器學習（ Physics ML ）正在轉型高性能計算（ HPC ）跨學科的模擬工作流程，包括計算流體動力學、結構力學和計算化學。由于其廣泛的應用，物理 ML 非常適合建模物理系統，并在從制造業到氣候科學的各個行業部署數字孿生。 NVIDIA PhysicsNeMo是一個最先進的物理 ML 平臺，它將物理與深度學習訓練數據相結合，以建立高保真、參數化的代理模型，并具有接近實時的延遲。使用 NVIDIA PhysicsNeMo 構建的代理模型有助于廣泛的解決方案，包括天氣預報，減少發電廠溫室氣體和加速清潔能源轉型. NVIDIA PhysicsNeMo 客戶的成功案例正在證明該平臺在各個行業中具有令人難以置信的實用性。然而，物理 ML 在深度學習領域是一個相對較新的領域，在研究層面和應用方面都面臨著重大挑戰。這是由于滿足物理 ML 規則所需的獨特要求：

Source

]]>

實時人工智能模型旨在幫助保護大堡礁

Tue, 31 May 2022 07:32:00 +0000

海洋生物學家有了一種新的人工智能工具來監測和保護珊瑚礁。谷歌與澳大利亞聯邦科學和工業研究組織（CSIRO）合作開發的項目利用計算機視覺檢測模型，通過實時攝像頭來精確定位荊棘冠海星（COTS）的破壞性爆發。密切關注珊瑚礁有助于科學家快速應對不斷增長的人口，保護寶貴的大堡礁生態系統。盡管珊瑚礁覆蓋了不到 1% 的遼闊海底，但卻支撐著約 25% 的海洋物種，包括魚類、無脊椎動物和海洋哺乳動物。在健康的情況下，這些生產性海洋環境為旅游業和娛樂業提供商業和自給漁業以及收入。它們還可以在風暴潮期間保護沿海社區，是藥物發現研究中抗病毒化合物的豐富來源。在整個印度 – 太平洋地區都能找到膠輥的組合，它們以珊瑚蟲為食，珊瑚蟲是硬珊瑚礁的生命部分。它們通常數量很少，對生態系統造成的危害很小。然而，由于營養流失和天敵數量減少，疫情頻發，正在造成重大損害。

Source

]]>

神經網絡生成全球碳儲量潛力圖

Mon, 02 May 2022 09:37:00 +0000

蘇黎世聯邦理工學院 EcoVision Lab 研究人員的一項新研究首次提出了交互式全球冠層高度圖。研究使用一種新開發的深度學習算法處理公開的衛星圖像，可以幫助科學家確定生態系統退化和森林砍伐的地區。這項工作還可以通過確定主要碳儲存區域來指導可持續森林管理，這是緩解氣候變化的基石。 “可持續管理陸地生態系統、緩解氣候變化和防止生物多樣性損失需要全球高分辨率的植被特征數據。通過這個項目，我們的目標是在深度學習的幫助下，通過合并來自兩次太空任務的數據來填補缺失的數據空白，”土木工程、環境與工程系教授康拉德·辛德勒說，以及蘇黎世 ETH 的地理信息工程。從雨林到北方林地，森林在減緩氣候變化方面發揮著關鍵作用，每年吸收多達 20 億噸二氧化碳。地上生物量，包括樹干、樹皮或樹枝等樹木的所有部分，與森林中儲存的碳量相關。樹高通常是生物量的一個指標，

Source

]]>

用機器學習加速減緩氣候變化：以碳儲存為例

Fri, 08 Apr 2022 09:25:00 +0000

減緩氣候變化就是減少溫室氣體（ GHG ）排放。全球目標是實現凈零排放，這意味著平衡產生的溫室氣體排放量和從大氣中清除的溫室氣體排放量。一方面，這意味著通過使用低碳技術和能源效率來減少排放。另一方面，這意味著部署碳儲存等負排放技術，這也是本文的主題。碳捕獲和儲存（ CCS ）指的是一組有助于在關鍵電力部門（如煤炭和天然氣發電廠和工業工廠）的源頭直接減少排放的技術。對于無法直接減少的排放，無論是因為技術上的困難還是消除成本過高， CCS 都是從大氣中去除碳的重要凈負技術方法的基礎。如果未在現場使用，請與可通過管道、船舶、鐵路或卡車進行壓縮和運輸。它可以用于一系列應用，或注入深部地質地層（包括枯竭的油氣藏或鹽層），以捕獲二氧化碳用于永久儲存。 CCS 獨特的雙重能力使其成為緩解氣候變化的能源轉型技術中的一個重要解決方案。除了 CCS 在能源轉型中發揮的作用外，

Source

]]>

機載傳感器實時準確地監測作物

Wed, 09 Feb 2022 02:52:00 +0000

根據伊利諾伊大學的研究團隊，強大的機載傳感器可能是幫助農民在美國玉米帶上持續管理玉米的關鍵。研究利用遙感器和新開發的深度學習模型，對作物氮、葉綠素和光合能力進行了準確、快速的預測。這項研究發表在國際應用地球觀測和地理信息雜志雜志上，可以指導農民的管理實踐，幫助減少化肥使用，提高糧食產量，減輕整個地區的環境破壞。 “與傳統的葉組織分析方法相比，遙感提供了更快、更具成本效益的方法來監測作物養分。及時、高分辨率的作物氮素信息將非常有助于種植者診斷作物生長并指導適應性管理，”主要作者 Sheng Wang 說，伊利諾伊大學厄本那香檳分校的研究科學家和助理教授。玉米帶在美國和全球分別生產約 75% 和 30% 的玉米，在糧食生產中發揮著重要作用。從印第安納州到內布拉斯加州，由于農業、玉米育種、新技術和肥料的改進，該地區的產量是 19 世紀 80 年代的 20 倍。

Source

]]>

全球人工智能天氣預報員以秒為單位進行預測

Thu, 13 Jan 2022 03:47:00 +0000

使用人工智能的新天氣預報研究正在快速跟蹤全球天氣預報。最近發表在 J 地球系統建模的最新進展，上的研究可以幫助確定未來 2-6 周內可能出現的極端天氣。對極端天氣的準確預測和較長的準備時間使社區和關鍵部門（如公共衛生、水管理、能源和農業）有更多的時間準備和減輕潛在災害。氣候變化正在放大極端天氣事件的強度和頻率，全球有 2021 的風暴、熱浪、洪水和干旱記錄。根據最近的一份報告 NOAA report ，去年美國經歷了 20 起不同的氣候引發的天氣災害，每起災害造成的損失總計超過 10 億美元。短期和季節性天氣預報可以在減少極端天氣的社會經濟和人類成本方面發揮重要作用。 2019 年，氣象學家警告菲律賓地方和國家領導人， 3 周后將有一場暴雨。該預報為社區提供了時間，在 4 級臺風來襲之前，對建筑物進行風化處理并疏散人員，拯救了生命，減少了對該地區的總體破壞。

Source

]]>

MLPerf HPC v1.0 ：深入研究優化，創造 NVIDIA 創紀錄的性能

Wed, 17 Nov 2021 07:10:00 +0000

在 MLPerf HPC v1 . 0 中， NVIDIA 供電系統贏得了五項新的行業指標中的四項，這些指標主要關注 HPC 中的人工智能性能。作為一個全行業人工智能聯盟， MLPerf HPC 評估了一套性能基準，涵蓋了廣泛使用的人工智能工作負載。在這一輪中，與 MLPerf 0 . 7 的強大擴展性結果相比， NVIDIA 在 CosmoFlow 上的性能提高了 5 倍，在 DeepCAM 上的性能提高了 7 倍。這一強大的表現得益于成熟的 NVIDIA AI 平臺和全套軟件。提供豐富多樣的庫、 SDK 、工具、編譯器和探查器，很難知道在正確的情況下何時何地應用正確的資產。這篇文章詳細介紹了各種場景的工具、技術和好處，并概述了 CosmoFlow 和 DeepCAM 基準測試所取得的成果。我們已經為 MLPerf Training v1.0…

Source

]]>

以百萬倍的性能克服高級計算難題

Wed, 17 Nov 2021 06:56:00 +0000

上周在 NVIDIA GTC 上，Jensen Huang 在計算性能方面展示了 the vision for realizing multi-Million-X speedups 。這一突破可以解決數據密集型研究中面臨的計算需求挑戰，幫助科學家進一步開展工作。百萬 X 開啟了潛力的新世界，其應用非常廣泛。 NVIDIA 目前的例子包括加速藥物發現、準確模擬氣候變化以及推動制造業的未來。 NVIDIA 、加州理工學院和初創公司 Entos 的研究人員將機器學習和物理相結合，創建了 OrbNet ，將分子模擬速度提高了許多數量級。因此， Entos 可以將其藥物發現模擬速度提高 1000 倍，在 3 小時內完成本應花費 3 個多月時間的任務。上周，Jensen Huang 宣布了創建 Earth 2 的計劃，

Source

]]>

人工智能研究人員設想了全球變暖引起的洪水

Tue, 12 Oct 2021 03:45:00 +0000

你可能很快就能看到未來的洪水將如何通過新開發的人工智能模型襲擊你的城市。來自加拿大和美國研究人員團隊的研究使用生成性對抗網絡（ GAN ）生成氣候變化引起的洪水的真實圖像。名為 ClimateGAN 的研究小組開發了該模型，以強調極端天氣事件的破壞性，并促使采取集體行動遏制排放。研究人員寫道：“預測極端氣候事件（如熟悉地區的洪水）的潛在后果，有助于使氣候變化的抽象影響更加具體，并鼓勵采取行動。”。全球各地的人們都在努力應對更頻繁的極端天氣事件，包括風暴、颶風、干旱和由一顆正在下沉的行星引發的野火。由于海平面上升、風暴增強和融雪速度加快，沿海和內陸社區也正在經歷更嚴重的洪水。全球變暖的毀滅性后果可能會讓經歷過這些災難的人們深受其害，無論是颶風艾達造成的毀滅性洪水還是澳大利亞各地的叢林大火。然而，許多人仍將氣候變化影響視為一種假設的、

Source

]]>