arXiv · ML· Hannah P. Menke, Ahmed H. Elsheikh, Lingli Wei, Nanzhe Wang, Andreas Busch·· 6 小时前AI 评分23
机器学习需通过可审计性实现地下碳封存等应用的去碳化
Machine learning cannot decarbonise the subsurface until it can be audited
AI 导读
机器学习（ML）在助力地下碳封存、地热能源及氢储存等决策时，因缺乏可信任与可追溯的输出，无法实现有效去碳化。 文章提出应构建包含校准不确定性和来源信息的决策基础设施，并建议采用决策就绪清单、审计跟踪工作流以及基于决策结果的基准测试设计。 这一框架旨在推动 ML 从单纯追求预测精度转向支持监管与投资决策，确保其输出可被验证并安全应用于不可逆的地质工程。
来源：arXiv · ML · arxiv.org