欢迎光临新葡萄8883官网AMG!   

学术活动
当前位置: 首页 > 学术活动 > 正文

八秩同辉校庆系列52 A deep learning enabled massive parallel simulator for porous media flow

来源: 发布时间: 2024-05-31 点击量:
  • 讲座人: 张晨松 研究员
  • 讲座日期: 2024-6-5(周三)
  • 讲座时间: 10:00
  • 地点: 文津楼3211

讲座人简介:

张晨松,男,1977年1月生。中国科学院数学与系统科学研究院,研究员。1995年和1999年分别获南京大学数学系学士和硕士,2007年获美国马里兰大学应用数学博士学位。2007年—2010年、2010年—2011年在美国宾州州立大学数学系和北京大学数学科学学院从事博士后研究。2011年加入中国科学院数学与系统科学研究院。主要研究方向:自适应方法、多重网格法、非线性耦合方程的求解方法。曾在Handbook of Numerical Analysis、M3AS、SINUM、Numer Math、MMS、JCP等计算数学国际一流期刊发表了多篇学术论文。曾主持教育部留学归国基金、国家自然科学基金、中国科学院前沿重点研究项目、国防科工局科学挑战专题项目等科研项目。现任中国工业与应用数学会油水资源数值模拟方法专委会副主任和数学与产业专委会委员,中国运筹学会算法软件与应用分会(筹)副理事长,《数值计算与计算机应用》第七、八届编委。2023年起,兼任中国科学院大学岗位教师、深圳市大数据研究院研究科学家。

讲座简介:

Due to the complex composition of oil and gas resources, reservoir engineers usually switch between different mathematical models when describing the properties of petroleum reservoirs. In addition to the commonly used black oil model, various compositional models have been proposed. Some EOR techniques, such as polymer flooding, must be simulated based on the framework of compositional models. Some other applications of porous media flow, such as CO2 sequestration, groundwater contamination, and geothermal resource development, can also be simulated using compositional models. But the compositional models tend to be associated with more complex PDEs, more variables, and higher computational costs. In this talk, we will discuss a general-purpose compositional framework and our efforts in developing its solution methods, including discretizations, nonlinear solvers, linear solvers, parallelization and AI capabilities. Furthermore, we will introduce an open-source software project for simulating multi-component multi-phase porous media flow.

关闭