Cuando Jing Yang, profesor asistente de ingeniería eléctrica, comenzó a buscar aplicaciones prácticas para su investigación de aprendizaje automático, en asociación con Chris Marone, profesor de geociencias, por su trabajo en exploración geotérmica y producción de energía seguras y eficientes, fue un ajuste perfecto.

Yang y Marone recibieron recientemente una Beca Semilla Multidisciplinaria de Penn State de 2019 por su investigación colaborativa "Enfoques de aprendizaje automático para la exploración geotérmica segura".

"He trabajado en el aprendizaje automático durante varios años, ", dijo Yang." Mi investigación es más en el lado teórico, y quiero mostrar cómo la teoría se puede relacionar con la práctica. Las aplicaciones relacionadas con la energía podrían ser el lugar donde las técnicas de aprendizaje automático pueden manifestar un gran impacto ".

El trabajo tiene como objetivo utilizar el aprendizaje automático para predecir mejor la actividad sísmica durante la exploración geotérmica y optimizar la producción de energía geotérmica.

Los sistemas geotérmicos requieren la creación de fracturas mediante estimulación hidráulica. Esta formación y estimulación de fracturas está asociada con micro-terremotos (MEQ) que pueden dañar edificios y otras estructuras de la superficie. Marone y Yang esperan que al usar los algoritmos de aprendizaje automático (ML) de Yang, puedan pronosticar y predecir eventos sísmicos como MEQ.

"Estamos muy interesados ​​en saber si existen ciertos precursores de los micro-terremotos para poder predecir cuándo ocurrirá una actividad sísmica importante en un futuro próximo". sobre el cual se pueden tomar algunas acciones inmediatas antes de que suceda algo destructivo, "dijo Yang.

Un componente crítico de esta investigación es la capacidad de los algoritmos ML para predecir esta actividad sísmica a gran escala. Los investigadores actualmente han tenido éxito con la recopilación de datos y la predicción de la actividad sísmica en el laboratorio. pero necesitan asegurarse de que pueden hacer estas predicciones a escala de campo.

"Si tiene miles de sensores que generan mediciones en forma de transmisión, analizar los flujos de datos en tiempo real es un gran desafío. El problema se complica aún más cuando suceden muchos microeventos al mismo tiempo, ", dijo Yang." Entonces [la pregunta es] cómo podemos localizar o inferir con mayor precisión los eventos que ocurren debajo de la superficie a partir de la transmisión de datos ".

El segundo objetivo del proyecto es extraer de forma segura la cantidad óptima de energía geotérmica en el proceso de fracturación hidráulica.

"Queremos controlar cuidadosamente la cantidad de fluido inyectado en el suelo para que podamos lograr una alta producción de energía geotérmica, y al mismo tiempo asegurarse de que no cause daños al sitio, las estructuras de la superficie y así sucesivamente, "dijo Yang.

Para hacer esto, Yang y Marone desarrollarán un marco de aprendizaje de refuerzo seguro. Esto implicará la creación de algoritmos escalables para manejar entornos desconocidos y que podrán transferirse del laboratorio al uso en el campo.

Marone y Yang planean utilizar los resultados de este esfuerzo preliminar para desarrollar un proyecto financiado más grande y extender este trabajo más allá de la producción de energía geotérmica a otras áreas.

"Las técnicas seguras de aprendizaje por refuerzo que estoy desarrollando permiten que un agente de aprendizaje maximice la producción al tiempo que garantiza la seguridad. Pero la seguridad no es solo un problema para la exploración geotérmica, ", dijo Yang." El aprendizaje por refuerzo seguro puede tener aplicaciones muy importantes en otros dominios como la conducción autónoma. Por ejemplo, queremos que un automóvil aprenda automáticamente el entorno y adapte continuamente su movimiento en consecuencia. Al mismo tiempo, queremos asegurarnos de que el automóvil no tome decisiones imprudentes ante la incertidumbre de las consecuencias previstas.

"Así que la seguridad durante el aprendizaje es definitivamente un tema muy importante allí, "Añadió Yang." Y las técnicas desarrolladas aquí pueden potencialmente modificarse y adaptarse para garantizar la seguridad con la conducción autónoma y otras situaciones ".