Adaptive Physics Transformer: Neue Ära der Untergrund‑Simulationen

Die Erde bietet mit ihrem Untergrund unverzichtbare Energiequellen – von Erdöl und Erdgas bis hin zu Geothermie und Mineralien – und fungiert zugleich als Hauptspeicher für CO₂‑Sequestration. Für die Planung und Optimierung dieser Systeme sind jedoch hochauflösende physikalische Simulationen nötig, die aufgrund geologischer Heterogenität, komplexer Netzwerke und unterschiedlicher Zeitskalen extrem rechenintensiv sind.

Um diese Herausforderung zu meistern, hat ein Forschungsteam den Adaptive Physics Transformer (APT) entwickelt. APT ist ein neuronaler Operator, der unabhängig von Geometrie, Mesh und physikalischem Modell arbeitet. Er kombiniert einen graphbasierten Encoder, der lokale, hochauflösende Merkmale aus heterogenen Strukturen extrahiert, mit einer globalen Aufmerksamkeitsmechanik, die weitreichende physikalische Wechselwirkungen erfasst.

Die ersten Tests zeigen, dass APT bestehende Architekturen in Untergrundaufgaben sowohl auf regelmäßigen als auch auf unregelmäßigen Gittern übertrifft und dabei robuste Super‑Resolution‑Fähigkeiten besitzt. Besonders hervorzuheben ist, dass APT erstmals direkt aus Simulationen mit adaptiver Mesh‑Verfeinerung lernt und damit die Genauigkeit bei variierenden Auflösungen verbessert.

Darüber hinaus demonstriert APT die Möglichkeit des Cross‑Dataset‑Learnings, was ihn zu einer skalierbaren Basis für die Entwicklung großer Untergrund‑Foundation‑Modelle macht. Diese Fortschritte eröffnen neue Perspektiven für die effiziente und präzise Modellierung von Energie‑ und CO₂‑Speicher‑Systemen im Erdinneren.