——记中国矿业大学（北京）祝捷教授团队

　　◎  本报记者 马晓敏

　　二氧化碳，我们并不陌生。它在我们生活中无处不在，无色无味，看不见也摸不着，却是导致全球气候变暖的“元凶”之一。

　　节能降碳，不能只靠种树，也要靠技术。作为世界上最大的能源生产国和消费国，我国不断通过科技创新，积极推进节能降碳。除了大力发展新能源从源头上实现零碳替代，以及推动煤炭清洁高效利用实现过程中减污降碳之外，终端捕碳固碳技术也成为重要的探究方向。

　　近期，中国矿业大学（北京）力学与建筑工程学院力学系主任祝捷教授带领她的团队参加第一届全国煤炭行业矿山AI大模型大赛时，利用华为矿山AI大模型建立了基于二氧化碳封存的煤炭孔裂隙识别AI模型，受到广泛关注。

　　CCUS技术，商业化应用潜力大

　　近年来，在有关部门的共同推动下，发展碳捕集利用与封存技术相关政策逐步完善，科研技术能力和水平日益提升，试点示范项目规模不断壮大，整体竞争力进一步增强，已呈现出良好的发展势头，但是在项目开展的过程中仍面临着一些行业的痛点和难点，试点的企业也亟须能够对二氧化碳地质封存能力进行定量化评估的方法和手段。

　　“我们课题组在祝捷教授的带领下，一直致力于煤岩流固耦合力学及工程应用方面的研究工作，主持和参与完成国家级、省部级科研项目以及企业合作研究项目30余项，在煤岩渗透性与深部开采动力灾害机理等方面具备了扎实的研究基础和非常丰富的经验。我国的CCUS各技术环节均取得了显著进展，部分技术已经具备商业化应用潜力，其中课题组的研究利用废弃矿井采空区或地下深部的不可采含气煤层进行二氧化碳地质封存是一项重要的节能减排方式。一些煤矿由于煤层深度较深或厚度较小，没有商业开采价值。考虑到煤中具有大量微孔，其对二氧化碳的吸附效率高，环境效益好，解吸所需能耗大，可作为二氧化碳地质封存的理想场所。同时，二氧化碳在煤中的吸附还可以阻止煤矿采空区自燃、驱替煤层中的煤层气，提高煤层气采收率。该技术在国内已完成中试阶段，下一步即可进入工业示范阶段，因此仍有技术上的问题亟须解决。”团队成员李嘉润在采访中表示。

　　祝捷教授（右一）在中联煤层气国家工程研究中心进行煤层气井采样样品调研

　　学以致用，支撑行业创造价值

　　目前，我国CCUS仍处于发展早期，部分先进技术尚处于研究阶段。

　　“研究显示，我国深部煤层二氧化碳地质封存潜力的评估结果约为120×108吨，与良好的地质封存潜力形成强烈对比的是针对煤层封存的项目在国内屈指可数，且缺乏大规模多种技术组合的全流程工业化示范项目。毋庸置疑，二氧化碳地质封存的技术难点与业务痛点造成了上述局面，概括起来主要包括以下三个方面：一是尚未建立统一、系统的封存潜力评估方法。现有评价方法，如基于层次分析法的模糊综合评价无法实现对目标煤层中CO2封存空间的定量化表征。二是现有地质勘探和测绘技术对煤层结构面和宏观裂隙测量准确度较高，但是对煤层原位存在的微细观裂隙网络的测量精度有待提高。三是实验室对煤岩样品微细观孔裂隙结构的实验观测尺度小，如需完成煤层封存能力评价，需要耗费大量的人力和物力，且实验成本高。”团队成员邹琪竹表示。

　　祝捷教授团队基于CT层析扫描技术得到的目标煤层的煤样扫描图像，利用华为矿山AI模型平台对煤样的孔裂隙进行识别与分类，进而提出了定量评估目标煤层二氧化碳封存能力的构想。

　　通过验证模型的泛化性和鲁棒性，他们发现AI大模型得到的结果精确度和识别效果较好。在二氧化碳封存过程中，大孔和裂隙直接影响二氧化碳注入煤层的效率，小孔和微孔形成气体封存的储存空间，顶底板岩石阻止封存后二氧化碳气体的向外逃逸。

　　“我们团队利用华为矿山AI大模型识别目标煤层及顶底板煤岩样品的孔裂隙结构，对该煤层的可注入性、可增产性与可封存性进行综合评价，提出了一套适合煤层封存二氧化碳的工程选址及潜力评估方法。通过较低的人工和设备成本，达到与传统的实验室探究手段相近的识别精度，真正实现‘安全、高效、降本、精准’的目的。同时，我们希望立足于已有的科研成果，与华为公司提供的AI大模型相结合，为二氧化碳地质封存项目面临的技术难题提供解决方案，让我们的知识学以致用，支撑行业创造更大的经济效益，为实现‘双碳’目标贡献力量是我们新时代青年的使命担当。”李嘉润表示。

　　大模型，人工智能门槛降低

　　李嘉润告诉记者：“矿山AI大模型大赛，令人印象深刻的莫过于AI技术的便捷性、广泛性和准确性。”

　　华为矿山AI大模型是一种行业预训练模型，它提供了一整套自动化工具，使得用户不再需要进行手工的模型设计和制作，只要将场景图片放入，就能自动进行训练和学习，从而大大简化了开发工作量。

　　邹琪竹表示：“刚接触人工智能领域时，我们作为非计算机专业团队对模型所涉及的代码语言有些畏难心理，但在学习了华为矿山AI大模型详细易懂的操作流程及教学步骤之后，发现只需上传相关场景图片进行数据标注，就能快速得到预测结果，人工智能的门槛被大大降低了。虽然刚开始，训练模型的预测效果并不令人满意，甚至会出现一些错误，但是在拓展样本集数量、调整训练测试集比例的基础上，经过不断的参数调整与优化，模型的准确性和鲁棒性也逐渐提升，甚至与实验室测试结果均有可比性。看到模型训练的成果后，我们满怀惊喜的同时也感慨于人工智能的强大，感受到的是AI对于传统工艺技术的冲击，不仅能节省设备成本，模型识别速度也远超常规方法。中国矿业大学（北京）具有理论联系实践的光荣传统，课题组对研究生的实验设计、动手操作和数据分析进行了非常扎实的训练，这次再加上AI模型技术的支持与助力，极大提高了我们推进‘基于二氧化碳封存的煤炭孔裂隙识别AI模型’这个课题的速度和效率。”

　　久久为功，助力矿山智能化建设

　　在矿山行业，各种场景层出不穷，从开采前的勘测规划，到开采后的运输、通风、安全保障，这些领域面临的复杂任务都需要智能化建设。

　　现代智能化矿山建设是需要高科技支撑的产业，需要构建矿山全生命周期、全产业链、全要素的数字化生态，打通从矿山智能化建设到全产业数字化转型的发展路径，形成以“数据驱动”为核心的系统智能化运行模式。现存技术链不完整、资源投入不平衡与标准体系难统一等问题的有效解决，需要传统的工程类学科继续深化机理方面的研究，也需要利用计算机技术对传统能源开发利用模式进行数字化革新，通过多学科多领域交叉融合构建高效率、安全可控、经济可行的矿山智能化综合平台。

　　祝捷教授表示：“我们团队利用华为矿山AI大模型在煤岩孔裂隙识别和二氧化碳地质封存效果评估方面进行了一些尝试，实际上矿山开采中的瓦斯安全、非常规天然气开采的储层渗透性等都与煤岩的孔裂隙结构密切。因此AI大模型在煤岩孔裂隙识别方面的工作在煤矿安全、非常规天然气开采乃至二氧化碳地质封存方面都有着广阔应用前景。未来，我们团队将关注以下几个方面：一是智能矿山的技术革新。采用机器视觉、特征识别等技术，建立基于数据分析的矿山智能化管理系统，进行实时数据监测分析，在生产过程中实现智慧化开采、提升能源开发效率，同时促进传统开采模式的革新。二是智能矿山的安全管理。通过大数据分析、矿山安全监控等技术，及时发现生产过程中的安全隐患，为能源开采安全和工艺优化提供有力的支持。三是智能矿山的持续发展。通过集成环境调查监测、技术应用改进、智能分析诊断等技术，检测能源开采对环境的影响，为企业最大限度降低环境污染提供技术支撑，推动绿色矿山的建设和发展。”

　　未来，祝捷教授团队将在智能化矿山建设中持续发力，促进多学科在行业中的融合与发展。