用大语言模型为地热井阵列提供决策支持与建模

地热井阵列将多口地热井组织成精心规划的几何构型，为提升能源产能和增强容错提供了机会。大语言模型（LLM）和高级高性能语言的最新进展可以加速这些新兴地热技术的开发与采用。基于LLM的应用面临的一个挑战是生成输出的可靠性，因为它们容易受主观偏差和幻觉影响。本研究评估了前沿LLM——如ChatGPT、Gemini、Claude、Grok以及AskGDR等领域专用模型——作为专家助手的潜力，它们能对复杂地热数据综合出有洞察力的解释，并改进地热模型和数值软件的功能特性。我们开发了一种新方法，利用谷歌近期推出的AI助手NotebookLM来加速生成未发表的定量地热基准。快速生成这些评估工具对于评估快速演进的新兴语言模型技术能力至关重要。特别是，我们使用这些基准和基于LLM的访谈来分析两项有前景技术的机遇与局限：地热井阵列和闭环同轴井。此外，我们给出一个案例研究，展示LLM如何促进地热数值模型的自动并行化。我们的分析强调其在数字孪生中的应用，并强调高级高性能代码生成的重要性。这一研究方向有望通过支持整合数据分析、有据推荐和更动态数值建模工作流的下一代决策支持应用，在地热行业发挥变革性作用。