8 دقیقه
یک استارتاپ آمریکایی ادعا میکند که هوش مصنوعی توانسته یک سامانه زمینگرمایی پنهان در ایالت نوادا را شناسایی کند؛ مخزنی که احتمالاً گرمای کافی برای تغذیه یک نیروگاه تولید برق را فراهم میکند. این کشف نشاندهنده این دیدگاه رو به رشد است که ذخایر با دمای بالا و هنوز توسعهنیافته زیادی زیر بخشهای غربی ایالات متحده وجود دارند و ابزارهای جدید ممکن است نحوه جستوجوی این منابع را متحول کنند.
چگونه هوش مصنوعی گرما را در جایی که روی سطح هیچ علامتی نیست نقشهبرداری میکند
شرکت زانسکار، یک استارتاپ مستقر در کالیفرنیا، از یادگیری ماشین و روشهای دادهمحور برای تحلیل مجموعههای بزرگ دادههای زمینشناسی استفاده میکند و سامانههای احتمالی «پنهان» ژئوترمال را علامتگذاری میکند — مخازنی که عمیق در زیر زمین قرار دارند و هیچ چشمه یا خروجی بخار قابل مشاهدهای روی سطح ندارند. بنیانگذاران، کارل هویلند و جوئل ادواردز، میگویند مدلهای آنها بارها نقاط داغی را در مناطقی شناسایی کردهاند که صنعت زمینگرمایی تا پیش از این عمدتاً از آن چشمپوشی کرده بود. هویلند میگوید: «وقتی شرکت را تأسیس کردیم، بسیاری میگفتند زمینگرمایی مرده است. اما حالا دادههای بهتر و الگوریتمهای پیشرفته به ما اجازه میدهند این سایتها را بهصورت سیستماتیک پیدا کنیم و ریسک اکتشاف را کاهش دهیم.»

سامانههای پنهان، که به آنها «بلایند سیستم» (blind systems) نیز گفته میشود، چالشبرانگیزند زیرا نشانههای سطحی اندکی از خود نشان میدهند. بهطور تاریخی، این دست ذخایر بهصورت تصادفی کشف میشدند — زمانی که چاههای کشاورزی حفر میشد، یا در طول اکتشافات معدنی، یا هنگام فعالیتهای نفت و گاز. رویکرد زانسکار الگوهای گسلها، اندازهگیریهای هادیپذیری الکتریکی (electrical conductivity)، دادههای جاذبهسنجی و سایر سنجشها را کنار هم قرار میدهد تا یک نقشه احتمالاتی از محلهایی بسازد که در آنها گرما و سیالات ممکن است در پوسته زمین انباشته شده باشند.
دادهها، مدلها و ترکیبشدن اطلاعات ناهمگون
برای شناسایی مخازن پنهان، زانسکار از روشهای ترکیبی استفاده میکند که دادههای لایهای (لیدار، ژئوفیزیک هوایی)، نقشههای ساختاری گسلی، مشاهدات ژئوشیمیایی و دادههای زمینی را با هم میآمیزد. الگوریتمهای یادگیری عمیق (deep learning) و مدلهای احتمالاتی (probabilistic models) قادرند الگوهای پیچیدهتری را نسبت به تحلیلهای سنتی استخراج کنند. این روشها نه تنها نقاط داغ حرارتی را تشخیص میدهند، بلکه درجه اطمینان و اولویتبندی اهداف حفاری را نیز مشخص میکنند؛ امری که در کاهش هزینههای اکتشافی و هدایت بودجه به چاههای با بیشترین پتانسیل بسیار مؤثر است.
چرا نوادا — و اهمیت این کشف
غرب ایالات متحده بهویژه ایالتهایی مانند نوادا و کالیفرنیا عرصه مناسبی برای توسعه انرژی زمینگرمایی به شمار میآیند؛ زیرا فعالیت تکتونیکی و نازکی پوسته زمین، دسترسی به سنگهای داغ و سفرههای آبی عمیق را آسانتر میکند. بزرگترین میدان زمینگرمایی توسعهیافته در جهان در کالیفرنیا قرار دارد؛ میدانی که بر پایه چشمههایی احداث شده که انسانها از هزاران سال پیش از آنها استفاده میکردهاند و اولین نیروگاههای تجاری آن از دهه 1920 شروع به کار کردند. با این حال اکثریت ذخایر با دمای بالا هنوز زیر سطح زمین مدفون ماندهاند.
زانسکار اعلام کرده که کشف نوادا نشان میدهد مدلهای آنها قادر به یافتن مخازنی هستند که از نظر دما و بازده بالقوه میتوانند نیروگاهی را تغذیه کنند. با این وجود، شرکت تأکید میکند که آزمایشهای عمیقتر — بهویژه حفاری برای اندازهگیری دما، تخلخل-پذیری (permeability) و نرخ جریان — برای تأیید قابلیت تجاری سایت ضروری است. ادواردز میگوید: «این یافته به بازار این پیام را میرساند که این مکان در نهایت میتواند برق تولید کند.»
مزیتهای ژئوترمال در مقایسه با دیگر منابع تجدیدپذیر
انرژی زمینگرمایی دارای چندین مزیت ساختاری نسبت به منابع متغیر مانند باد و خورشید است: تولید برق پیوسته (baseload)، ضریب ظرفیت بالاتر و ردپای زمینی کمتر در مورد میادین بالقوه پر انرژی. توسعه مخازن پنهان، درصورتیکه اقتصادی شود، میتواند نقش مهمی در افزایش سهم انرژی پاک در سبد برق منطقهای ایفا کند و به پایداری شبکه در ساعات اوج کمک نماید.
ابزارهای جدید، برآوردهای قدیمی — و پتانسیل بزرگتر
علاقهمندی به منابع ژئوترمالِ کشفنشده موضوع تازهای نیست. در جریان بحران نفتی دهه 1970، دولت فدرال آمریکا برنامههای نقشهبرداری گستردهای را در نوادا تأمین مالی کرد تا بهصورت سیستماتیک به دنبال چنین سامانههایی بگردند. آن تلاشها مجموعهدادههای قابلتوجهی تولید کرد، اما بودجهها بعداً به سمت سایر فناوریهای انرژی مانند خورشیدی، بادی و هستهای منتقل شد. برآوردهای کنونی نشان میدهد که ژئوترمال اکنون کمتر از یک درصد برق ایالات متحده را تأمین میکند، اما متخصصان بر این باورند که پتانسیل بالقوه بسیار بیشتر است.
یک ارزیابی دولتی در سال 2008 تخمین زد که سیستمهای ژئوترمال کشفنشده ممکن است در حدود 30 گیگاوات ظرفیت تأمین کنند — که برای بیش از 25 میلیون خانه کافی است. با این حال کارشناسانی مانند جیمز فولدز، که در فهرستبندی ویژگیهای حرارتی و توسعه تکنیکهای شناسایی نقش داشته، معتقدند این ارقام محافظهکارانه هستند. با پردازش دادههای مدرن، حفاریهای عمیقتر و ابزارهای بهبودیافته، ایالات متحده میتواند دهها و حتی صدها گیگاوات از مخازن پنهان استخراج کند؛ رقمی که میتواند تأثیر قابلتوجهی بر امنیت انرژی و اهداف کاهش انتشار داشته باشد.
.avif)
پیشرفتهای فنی و نقش دادههای بزرگ در بازبینی برآوردها
توانایی تلفیق دادههای ژئوفیزیک هوایی، سنجش از دور، و اندازهگیریهای زمینی با الگوریتمهای یادگیری ماشین، باعث شده تحلیلهای احتمالاً دقیقتری نسبت به نقشهبرداری سنتی ممکن شود. پردازش سریعتر و مدلسازی سهبعدی از پوسته زمین، شبیهسازی جریان سیال در سنگهای داغ و تحلیلهای عدم قطعیت (uncertainty quantification) به مهندسان و زمینشناسان کمک میکند که اهداف با بیشترین احتمال موفقیت را انتخاب کنند و هزینههای حفاری را کاهش دهند.
EGS در برابر سامانههای پنهان: دو مسیر برای رشد ژئوترمال
بسیاری از هیجان امروز معطوف به سامانههای مهندسیشده زمینگرمایی (EGS) است؛ روشی که در آن سنگ داغ بهطور عمدی شکافته میشود (فرآیندی تا حدودی مشابه شکست هیدرولیکی) تا شبکهای برای تبادل حرارت ایجاد شود در جایی که بهصورت طبیعی چنین ساختاری وجود ندارد. شرکتهایی مانند فِرو (Fervo) در حال اجرای پایلوتهای تجاری هستند — از جمله یک کارخانه که در سال 2023 شروع به تأمین برق یک مرکز داده گوگل در نوادا کرد.
EGS وابستگی به مخازن طبیعی را کاهش میدهد ولی نیازمند مهندسی بیشتر، مصرف آب و خطر بالقوه تحریک لرزههای کوچک (microseismicity) است. در عوض، یافتن و بهرهبرداری مستقیم از سامانههای پنهان میتواند سادهتر باشد: اگر سفره آبی با دمای بالا وجود داشته باشد، توسعهدهندگان میتوانند حفاری کنند و یک نیروگاه را بهطور مستقیم متصل نمایند بدون اینکه ابتدا نیاز به ایجاد شبکه شکستگی داشته باشند. به احتمال زیاد هر دو رویکرد — توسعه EGS و بهرهبرداری از سامانههای پنهان — نقشهای مکملی در مقیاسبخشی انرژی زمینگرمایی خواهند داشت.
مثالهای میدانی و تجربههای اولیه
نمونههای اولیه EGS و پروژههای مبتنی بر مخازن طبیعی نشان دادهاند که ترکیب تکنیکهای پیشرفته حفاری، شبیهسازیهای ترمودینامیکی و پایش لرزهای میتواند ریسک فنی را کاهش دهد. پروژههای پایلوت معمولاً چند مرحله دارند: شناسایی هدف، حفاری چاه اکتشافی، آزمایش جریان و دما، طراحی شبکه تبادل حرارت، و در نهایت توسعه تجاری در صورت اثبات اقتصادی بودن. هزینه و زمان بین هر مرحله متغیر است و بستگی به عمق مخزن، شرایط زمینشناسی و دسترسی به زیرساختها دارد.
موانع عملی و گامهای بعدی
- تأیید: حفاری همچنان ضروری است. تنها آزمایش چاههای عمیق میتواند دما، تخلخل-پذیری و نرخ جریان را تأیید کند — عواملی که تعیین میکنند یک سایت چه مقدار برق میتواند تولید نماید.
- معادلات محیطزیستی: EGS نیازمند آب است و میتواند باعث میکروزلزلهها شود؛ ژئوترمالهای متداول ردپای خاکی و تغییر منظر کمتری دارند اما به وجود زمینشناسی مساعد وابستهاند.
- هزینه و مهندسی: استخراج گرما از اعماق بیشتر و دماهای بالاتر به فناوریهای حفاری پیشرفته، مصالح مقاوم در برابر دما، و محاسبات اقتصادی نیاز دارد که بتوانند با دیگر گزینههای کمکربن رقابت کنند.
در حال حاضر، اعلامیه زانسکار در مورد نوادا یک نمونه قابل استناد برای اکتشاف مبتنی بر هوش مصنوعی است: الگوریتمها میتوانند نواحی جستوجو را محدود کنند و اهداف حفاری را اولویتبندی نمایند و ریسک احتمالی که همواره توسعه زمینگرمایی را تهدید کرده کاهش دهند. با بهبود ابزارهای حفاری و تکامل علوم داده، گرمای پنهان زیر پای ما ممکن است بخشی بزرگتر از سبد انرژی پاک شود.
پیامدهای اقتصادی و سیاستگذاری
اگر سایتهایی مانند مورد نوادا بهصورت تجاری تأیید شوند، این امر میتواند سرمایهگذاریهای بخش خصوصی و عمومی را تحریک کند. سیاستگذاران میتوانند از طریق تسهیلات مالی، حمایت از پژوهش و توسعه، و ایجاد چارچوبهای مقرراتی که ریسک بازار را کاهش میدهند، به تسریع توسعه انرژی زمینگرمایی کمک کنند. همچنین، یک بازار فعال برای برق زمینگرمایی میتواند زنجیره تأمین تجهیزات حفاری، لولهکشی مقاوم به دما، و خدمات مهندسی را تقویت کند.
چشمانداز فنی — چه چیزی باید بهبود یابد
برای مقیاسبخشی ژئوترمال لازم است که چند حوزه فنی پیشرفت کند: کاهش هزینه هر متر حفاری، توسعه مصالح و توربینهایی که در دماها و فشارهای بالا کارآیی دارند، بهبود مدلهای پیشبینی مخزن، و روشهای پایداری برای مدیریت سیالات زیرسطحی. ترکیب دادههای سنجش از دور، پایش لرزهای بلادرنگ و تحلیلهای پیشبینیکننده میتواند دوره توسعه را کوتاهتر و بازده سرمایهگذاری را بالاتر ببرد.
در جمعبندی، یافتن مخازن پنهان با کمک هوش مصنوعی، در کنار پیشرفتهای مهندسی مانند EGS، میتواند پنجرهای جدید برای بهرهبرداری از انرژی زمینگرمایی باز کند؛ منبعی که از نظر قابلیت تولید برق پیوسته، پتانسیل بالایی دارد و میتواند نقش کلیدی در گذار به اقتصاد کمکربن ایفا نماید.








نظر بگذارید
نظرات (6)
اگر اینا واقعاً به نتیجه برسه، سرمایهگذاری خصوصی و دولت سریعتر میشه. اما پیادهسازی واقعی چند سال طول میکشه.
مزیت برق پایدار و ردپای زمینسبز از ژئوترمال خیلی خوبه، اما آب مصرفشون و میکروزلزلهها باید دقیق مدیریت بشن تا پروژهها پذیرفته شن.
EGS یا مخازن طبیعی؟ ترکیب هر دو شاید بهترین راه باشه. اگر AI نتونه عدم قطعیت رو کم کنه هیچکدوم سود نمیده.
ایده جالبیه که دادهها با هم ترکیب بشن، اما واقعاً چقدر دقت مدلها بالاست و خطاها چطور اندازهگیری میشه؟
سوال مهم اینه آیا این روش واقعاً اقتصادیه یا فقط با دادههای بزرگ رویای آینده رو میسازه؟ حفاری عمیق هنوز ریسک و هزینهاش بالاست.
واو این خبر خیلی هیجانانگیزه. هوش مصنوعی داره مخازن پنهان نوادا رو پیدا میکنه؟ اگه درست باشه آینده برق پایدار یه قدم بزرگ رو به جلو میره.