Earth&Climate Tech

Факельное сжигание газа. Агрегатор данных Очередной агрегатор данных. На этот раз по факелам, которые являются основным источником выбросов CO2экв в нефтегазе. Только за 2022 год "надымили" на 357 миллионов тонн CO2экв. Можно визуализировать по странам и регионам. Больше всего сжигает Россия, Ирак и Иран, но США там тоже недалеко. Ссылка #oil #gas #CO2 #climate

​​IMAGE'23 и генерация моделей по подсказке Всем привет! Пропал-пропал, был на конференции IMAGE'23. Это такая огромная, на тысяч 6-7 человек, геотехническая конференция в Хьюстоне для специалистов в области геонаук, полезных ископаемых и (уже) декарбонизации. Самые большие секции были посвящены машинному обучению в геонауках. На одной из них я показал наши эксперименты в области Генеративного ИИ (Generative AI), а именно первые наброски того как можно генерировать реалистичные геологические\сейсмические модели с помощью семантически понятного текста. Типа говоришь "йоу, модель, сделай мне низкочастотный сейсмический разрез с двумя сбросовыми разломами в восточной части и добавь немного шума". И на выходе получаешь реалистичный сейсмический разрез удовлетворяющий твоему описанию, или получаешь сразу несколько разных разрезов, ведь генерация стохастическая. Использовали мы немного модифицированную версию знаменитой нейронки Dalle-E2 от Open AI, которую обучили с нуля. Точнее три ее компонента: ✅CLIP - для семантической связи между текстом и изображением(моделью) и преобразования последнего в векторное представление; ✅ Diffusion Prior - для стохастической генерации текстовых векторных представлений в текстовые представления изображения(модели) и ✅ Decoder - для стохастической генерации самих изображений(моделей) из их векторного представления. Последняя нейроночка использует диффузионную модель. Получилось неплохо! На второй картинке пример моделей, которые сгенерировались по соответствующей подсказке. Конечно отправлять в продакшн еще рановато, но идея, кажется, работает не только на кошечках и собачках. #Image23 #conference #ML #AI #subsurface

Asteroid Launcher! Пятница! Смотрите какая классная игрушка. Выбираете тип астероида, его диаметр, скорость и угол падения. Кликаете на место, куда астероид упадет и....наслаждаетесь апокалипсисом 🔥☄ Позже можно посмотреть статистику сколько людей испарилось, сколько умерло от огня и ожогов, какого размера кратер и какой мощности взрыв. Ваще конечно. Не хило я это по Манхэттену... Теперь я Брюса Уиллиса еще больше зауважал😎 AsteroidLauncher - 🎮 #fun #Friday

​​Вариационные автоэнкодеры и авторегрессионные модели для генерации геологических моделей Как говорится, paper alert! Чтобы создать геологическую модель, прошаренные модельеры используют под капотом статистистические методы, уже лет 30-40. Не просто так, а чтобы не только построить красивую модель, но и оценить ее неопределенность (какие шансы, что под землей все именно так?). Но любители машинного обучения, что в целом тоже статистика только для модных, все хотят придумать замену классическим статистическим методам в геонауках. В статье Generating subsurface earth models using descrete representation learning and deep autoregressive network описывается подход, в котором используется комбинация вариационных автоэнкодеров(VAE) и авторегресионных моделей. Первые - это вид генеративных моделей, которые при машинном обучении сжимают геомодели (картинки) в скрытое их представление (latent space) с помощью VAE энкодера. Вторые, обучаются предсказывать априорные распределения этих скрытых представлений и потом делают сэмпл из этого распределения, который в свою очередь декодируется (распаковывается) в геомодель с помощью VAE декодера. Юз кейс такой - показываете компуктеру картинку с предполагаемой геологией и вашими точками (скважинами), и он строит миллион моделей, удовлетворяющих внешнему виду, из которых можно выбрать среднее, ну и плюс показывает стандартное отклонение. Статья 📖 #paper #ML #geoml

Из какого источника электричество? Интерактивная карта Вот такую милейшую (и бесплатную!) штуку делают в Electricity Maps. Они систематизируют данные мировой электроэнергии ⚡️ по источникам с лагом в 24 часа. Цветовая палетка, гСО2экв.\кВтч, показывает сколько углекислого газа выработалось при производстве одного киловатта. Можно выбирать систематизацию по выработке электроэнергии, а можно по потреблению. Например, Эстония импортирует низкоуглеродную энергию из Финляндии, но сама-то добывает уголек 😌. На сайте можно визуализировать все "движение" электроэнергии вплоть до 2017 года. Данных по половине стран мира , конечно же нет 😏. Но выглядит офигенно, особенно для тех, кто любит раскапывать информацию из такого рода данных. Я насчитал всего несколько стран и территорий с выбросами СО2 близкими к нулевым: Норвегия - гидро + немного ветра Швеция - гидро, атомная + немного ветра Бразилия - гидро + ветер Уругвай - гидро + ветер Исландия - гидро + геотермальная Франция - атомная Новая Зеландия - гидро + геотермальная несколько канадских провинций - гидро + атомная Покликайте, реально прикольно. #electricity #co2

Послушайте подкаст «Смелость в карьере» с Сергеем Дороничевым. Сергей прошел интересный путь от геолога в SLB до продакт менеджера в компании Меtа. Для меня это подкаст не про геологию, не про Мету и даже не про карьеру. Это про мечту, движение к ней через боль и целеустремленность, не бояться падать и подниматься, ведь «не ошибается тот, кто ничего не делает». Возможно для многих ничего нового, но уверен многие вынесут для себя несколько интересных лайфхаков; некоторые убедятся, что основная преграда к заветной цели скрывается где-то в отражении в зеркале. эппл подкаст 🎧 не эппл подкаст 🎧

Доггерленд - когда Европа была единой Так, ну пятница. Давайте расскажу историю про Доггерленд, массив суши, соединявший Британию с Северной Европой, который исчез благодаря цунами 🌊😱 (но это не точно). Доггерленд был участком земли в Северной Европе, теперь затопленным Северным морем, который соединял Великобританию с континентальной Европой. В 1931 году траулер Коллинда, в 40 км к востоку от Норфолка, вместо знатного рыбного улова вытащил сетью доисторический гарпун из оленьего рога, позже начали находить другие следы обитания людей и животных. Стало понятно, что тундра этой части Северной Европы была вполне населена людьми. Они могли ходить пешком из Лондона в Берлин (см. картинку)! Большую роль в исчезновении Доггерленда сыграло таяние ледников. Но и интересно и то, что одна из гипотез предполагает, что около 6200 г. до н.э. большая часть оставшихся прибрежных земель Доггерленда была затоплена цунами, вызванным подводным оползнем у побережья Норвегии, известным как оползень Сторегга. Скорее всего, это цунами и сам гигантский оползень оказал катастрофическое воздействие на Доггерленд и Британия окончательно отделилась от континента, и с цивилизационной точки зрения пошла своим путем. Казалось бы, это произошло совсем недавно с геологической точки зрения, в Месопотамии уже зарождалась цивилизация, но масштабы впечатляют. Прошло цунами и нет половины континента. Это как если бы мы проснулись завтра, а по новостям передают, что всей Дании и южной Швеции больше не существует 🤯. P.S. Картинку с цунами попросил нарисовать Stable Diffusion XL #fun #Friday #Earth

Учебник по моделированию структурных геологических моделей в Питоне Есть конечно Petrel и всякий GoCad (софт такой), с ними конечно легко и интересно строить всякие геологические модели для разных нужд. Но есть и общедоступный софт GemPy. С ним тоже можно строить 3D модели по картам, разрезам, скважинам или обнажениям. Есть еще одна причина посмотреть на GemPy. Это следует сделать если вы хотите научиться в Питон. GemPy позволяет научиться программировать ваши любимые геологические модели и кроме этого погрузиться в мир обработки, визуализации и анализа данных, и структурно-геологического моделирования в Питоне. Еще можно убить сразу двух зайцев и учить начинающих геоученых и инженеров как программированию, так и геологическому мышлению. А чтобы самим не сломать голову как оптимально построить учебный процесс, авторы GemPy накатали целое учебное пособие как им пользоваться - инджой. Кстати, сейчас, это учебное пособие является частью нескольких курсов по геологии Университета в Аахене, Германия. #geomodeling #geo

Позавчера узнал о существовании периодической системы вымышленных элементов (минералов) ⚗️⚛ Там есть карбонит из Звездных Войн, в котором заморозили Хана Соло; криптонит из Супермена и конечно вибраниум из комиксов и фильмов Марвел. Бесполезно, но забавно 😇 #fun

🔬 Искусственный интеллект помогает создать лучшие батареи! 7 лет назад начался проект, в котором ИИ играл ключевую роль. Исследователи из Стенфорда разработали алгоритмы машинного обучения для отбора материалов, которые могли бы стать основой более стабильных и долговечных батарей. 🤖 С помощью ИИ из более чем 12 000 известных литийсодержащих материалов было отобрано 21 перспективное соединение. Машинное обучение предсказало, что LBS (не путать с LK99) может обладать электрохимическими свойствами, превосходящими существующие материалы. ⚡️ LBS оказался самым стабильным серосодержащим литий-ионным электролитом, который может удерживать высокие уровни заряда без разрушения. 🔋 Это открытие не только подтвердило эффективность скрининга на основе машинного обучения, но и ускорило процесс открытия полезных соединений, который без ИИ мог бы занять гораздо больше времени. 🧪 Теперь команда планирует дальнейшее улучшение LBS и исследование новых материалов для более безопасных твердотельных батарей. Статья Блог-пост

Вы когда-нибудь задумывались, каковы основные источники энергии? Сколько энергии производится из нефти и газа, а сколько из возобновляемых источников? Какие страны производят больше "зеленой" энергии? Каково потребление энергии в странах по источникам? Действительно ли мы движемся к переходу на зеленую энергию? Все это и многое другое содержится в отчете о производстве и потреблении с отличными графиками на Our World in Data Куча действительно крутых интерактивных графиков 🔥🔥🔥 #energy #production #consumption #fossilfuels #cleanenergy #renewables #nuclear #lowcarbon #transition #climatechange

Визуализация СО2 в зависимости от источника Видео красивое! Эта визуализация показывает баланс CO2 в атмосфере Земли в течение 2021 года по 4м основным источникм: ископаемое топливо (🟠), сжигание биомассы (🔴), наземные экосистемы (🟢) и океан (🔵). Точки на поверхности также показывают, как атмосферный углекислый газ поглощается наземными экосистемами (🟢) и океаном (🔵). Хотя и суша, и океаны являются "поглотителями" углерода в глобальном смысле, отдельные места могут быть источниками. Визуализация основана на вот этой статье . А более подробно можно посмотреть и почитать на сайте Nasa. #CO2 #Climate #viz

Если хотите послушать про геотермальный проект Project Red, про который я писал недавно, то на эту тему в пятницу, 11 августа будет вебинар. Главный спикер Mark McClure - хороший парень. Project Red - это пилотный геотермальный проект компании Fervo Energy, при котором впервые успешно протестировалась технология усовершенствованных геотермальных систем для энергетивеских нужд Северной Невады. Записаться -> тут

​​Open FWI - эталонные датасеты для сейсмической инверсии при машинном обучении Чтоб мы делали без сейсмики? Волновое поле может рассказать многое про архитектуру Земли, этим и пользуются при поиске ресурсов или при предсказании явлений внутри Земной коры. Наверное одной из основных задач сейсмических геофизиков, а они вообще умные ребята, является реконструкция карт скоростей сейсмических волн в горных породах при наличии известных сейсмических измерений. То есть полная инверсия волнового поля (Full Waveform Inversion (FWI)). Геофизики решают сложные дифференциальные уравнения, чтобы решить задачу инверсии, а с недавнего времени начали применять глубокое обучение. По этому поводу, исследователи из майкрософт и нескольких топовых университетов выпустили эталонные датасеты для машинного обучения при решении задач сейсмической инверсии - OpenFWI: - 12 датасетов - 2.1 TB - сложная геология Вместе с датасетами авторы опубликовали модели обученные на датасетах OpenFWI! В догонку OpenFWI исследователи выпустили еще одну статью под названием "Does Full Waveform Inversion Benefit from Big Data?", где рассуждают, что чем больше данных для обучения модели, тем она точнее (ну как бы да). Сайт Данные Статья про OpenFWI Статья про то, что чем больше данных для обучения, тем лучше инверсия

🛰️ IBM и NASA выложили свою огроменную геопространственную нейросеть на 🤗 Компания IBM в сотрудничестве с NASA открыла доступ к своей самой большой геопространственной нейросети и выложила ее на Hugging Face. Их цель? Расширить сферу применения спутниковых данных NASA и ускорить открытия, связанные с климатом. 🌞 Экстремальная жара, лесные пожары, засухи - последствия изменения климата видны повсюду. Составив карту последствий, можно прогнозировать будущие уязвимые зоны и разрабатывать стратегию адаптационных мер. 🚀 Что делает эту разработку революционной? - Компания IBM совместно с NASA инициировала создание нейросети способной оперативно анализировать спутниковые снимки. - Благодаря этому проекту около 250 000 терабайт данных NASA станут более доступными для общественности. - Возможности модели? Анализировать геопространственные данные в 4 раза быстрее, чем другие модели глубокого обучения, используя при этом вдвое меньший объем размеченных данных. В коммерческом плане IBM планирует включить эту модель в свою платформу искусственного интеллекта и данных watsonx в рамках пакета IBM Environmental Intelligence Suite (EIS) в конце этого года. 📌 Практическое применение: - Составление карты прошлых наводнений и лесных пожаров в США. - Прогнозирование зон потенциального риска. - При определенных доработках можно отслеживать вырубку лесов, прогнозировать урожайность и даже контролировать выбросы парниковых газов. IBM, NASA и Hugging Face надеются, что исследователи во всем мире возьмут эту модель с открытым исходным кодом, доработают ее и разработают другие геопространственные приложения. Это начинание соответствует программе NASA "Год открытой науки", направленной на развитие обмена данными и моделями ИИ. Оно перекликается с давним стремлением IBM к демократизации ИИ. Попробуйте эту геопространственную модель на Hugging Face уже сегодня и убедитесь, как ИИ меняет наше представление о мире! 🌎🌱🌦️

Dioxycle -> CO2 - из грязи в князи Бедный СО2, все хотят от него избавиться, желательно закачать под землю. Изгой из мира газов 🙄. Но французская компания Dioxycle, хочет внедрить способ при котором СО2 из загрязнителя превращается в комодити, в товар по нашему. Dioxycle придумали электролизеры для преобразования CO₂ в этилен, самый потребляемый в мире органический химикат, используемый в производстве текстиля, пластмасс, мебели и строительных материалов. Я в технологии не силен, но серию А ($17MLN) от инвесторов они подняли. #startup #decarbonization #climate

NVIDIA и Physics Informed Neural Operator для нелинейных инженерных задач Стараюсь краем уха следить за исследованиями в области physics informed machine learning, потому что эти модели машинного обучения, вроде как, могут получше работать с нелинейными физическими моделями сложной природы, а не только для того чтобы сделать свою фотку в стиле Барби. Больше всего в это вкладывается NVIDIA со своим Modulus. У меня даже пост про это есть. А в этом линкедин посте, Анима Анандкумар, диерктор по ИИ в NVIDIA, рассказывает про применение нейронных операторов Фурье не только для моделирования потока флюидов под землей, но и для моделирования плазмы при ядерном синтезе, оптимизация литографических масок для дизайна микросхем и прогноза экстремальных погодных событий. Ну и на сладенькое, на гитхабчике Caltech в открытом доступе лежат ноутбуки лекции из их последнего буткемпа, посвященного нейронным операторам. Инджой -> Caltech AI4Science Bootcamp #FNO #AI #ML

Чем вас еще порадовать в выходные? Вот, например, свежий факт про землетрясения и поп-культуру. Сейсмолог и профессор геологии Jackie Caplan-Auerbach зафиксировала землетрясение магнитудой 2.3 балла, спровоцированное концертом Тэйлор Свифт в Сиэттле 🤯 💃...при чем 2 раза! 22 и 23 июля! Сейсмограмма в качестве доказательства:). Как говорится, Shake it off! #fun #weekend

Еще есть такая инфографика от elements. Сейчас рынок нефтюшечки в 2 раза больше чем суммарный рынок ВСЕХ металлов 🤯. Я так понял, это без газа даже. Но и без лития. Очень интересно посмотреть как все это эволюционирует со временем, если тренды на электрификацию сохранятся 😎. #infographics