Norsk English

GT-04 Maskinlæringsbasert modellering av CO2-fangstteknologier

Maskinlæringsbasert modellering av CO2-fangstteknologier for avkarboniserer ferrolegeringsindustri i Norge

Kontaktperson

Illustrasjonen av ADVENCCS konseptet.
Illustrasjonen av ADVENCCS konseptet.

Motivasjon og relevans

Gjennom Parisavtalen er det fastsatt en internasjonal avtale som skal sørge for at verdens land klarer å begrense klimaendringene. For å oppnå dette må alle industrisektorer avkarboniseres. Mange styringsorgan (blant annet FNs klimapanel - IPCC) indikerer at karbonfangst og lagring (CCS) vil være en essensiell teknologi for å dempe utslippene fra flere ulike industrier. SINTEF Energi er et verdensledende forskningsinstitutt på dette forskningsområdet.

Bakgrunn

Karbonfangst og lagring (CCS) bidrar til å bremse global oppvarming, gjennom å fange karbondioksid (CO2) fra industrielle utslipp og lagre det istedenfor å slippe det ut i atmosfæren. CCS er essensielle i noen industrier hvor det er få alternativer for å avkarbonisere sektorene, for eksempel for norsk metallurgisk industrien. ADVENCCS-prosjektet vil bidra til å nå energi- og klimamålene for norsk metallurgisk industri. Et nøkkelproblem er å identifisere, designe og utvikle teknologier for CO2-fangst fra industriell røykgass. Ved SINTEF utvikler vi modeller på flere nivå for å bidra til utvikling av CO2 fangst-teknologier. I dette prosjektet ønsker vi å videreutvikle modellene for å kunne identifisere de mest kostnadseffektive teknologier for spesifikke ferrolegeringsindustrianlegg i Norge.

Oppgave

Arbeidet faller innenfor rammen av å utvikle nye CO2-fangstteknologier ved SINTEF Energi. Kandidaten vil få muligheten til å utvikle og validere maskinlæringsmodeller for CO2-fangstteknologier og utføre utvalgte analyser. I tillegg skal kandidaten presentere resultater, så vel som å diskutere fremtidige muligheter og begrensninger. Det er en fordel om arbeidet kan videreføres i prosjekt- og masteroppgave.

Oppgaven består i å:

  • Bli kjent med ulike maskinlæringsmetoder for simulering av prosesser
  • Utvikle nye maskinlæringsmodeller for CO2-fangstprosesser i Python
  • Testing og validering av modellene
  • Presentere og diskutere resultatene med andre forskere
  • Oppsummere arbeidet i en kortfattet rapport/artikkel

Den ideelle kandidaten vil ha bakgrunn i Python-programmering. Kunnskap om statistikk/maskinlæring og i prosessteknikk er en fordel.

Oppgaven knyttes til prosjektet "ADVENCCS – Advanced energy recovery and CO2 capture systems for a decarbonised ferroalloy industry" ved SINTEF Energi.

Forutsetninger

Det er en fordel at sommerjobberen har kjennskap til (eller evne til å sette seg inn i):

  • Programmering i Python
  • Statistikk/maskinlæring
  • Prosessteknikk

Hovedveileder Sai Gokul Subraveti

Medveileder Luca Riboldi

Slik søker du:

Søknad, CV og karakterutskrifter lastes opp der du søker.

Hos SINTEF Energi kan du søke på opptil tre sommerjobber. Om du søker på flere sommerjobber sender du en samlet søknad. Jobbnummer for de ønskede jobbene legges som overskrift i søknadsteksten i prioritert rekkefølge (f.eks GT-01, TE-04 ...). Vi gjør oppmerksom på at søkere kan vurderes for andre sommerjobber enn de har søkt på.

Stillingene fylles fortløpende. Vi anbefaler deg derfor å søke tidlig.

Søk her

Søknadsfrist er 5. november kl 23.59. 

Se alle sommerjobber i SINTEF Energi