Машинное обучение не может декарбонизировать подповерхностную поверхность до тех пор, пока его нельзя проверить

arXiv: 2603.14907v2 Вид уведомления: заменить резюме: геологическое хранение CO2, геотермальная энергия и подземное накопление водорода зависят от необратимых или дорогостоящих решений, принимаемых при отсутствии достаточных данных и неполном физическом понимании. Машинное обучение (ML) все чаще информирует об этих решениях, однако методы обычно оцениваются на основе точности прогнозов, а не на предмет того, можно ли доверять их результатам, отслеживать и реагировать на них. Мы считаем, что подповерхностный ML должен быть разработан как инфраструктура для принятия решений с общими системами, которые имеют калиброванную неопределенность и происхождение от наблюдения до оперативного решения. Мы предлагаем контрольный перечень вопросов, касающихся готовности к принятию решений, порядок проведения аудиторских проверок в целях контроля за обновлением данных и базовые схемы оценки моделей на основе тех решений, которые они поддерживают. Мы выявляем общие потребности в проверке данных по всем трем технологиям, а также меры по обеспечению доступа к данным и управлению, необходимые для принятия решений по вопросам регулирования и инвестиций.