Пермские алгоритмы совершенствуют геологоразведку
Геологи, прежде чем бурить скважину, собирают информацию о земле: какие там породы, как они залегают, что с ними происходило сотни лет назад. Этих данных слишком много, и они очень разные – текст, описания, цифры. Нейросети, которую пытаются научить искать руду, сложно усвоить этот объем. Ей нужно немало времени и компьютерной памяти.
Специалисты Пермского национального исследовательского политехнического университета (ПНИПУ) сделали «переводчик» с геологического языка на язык цифр. Они взяли все эти сложные описания (названия пород, их изменения, разные признаки) и превратили в компактный набор чисел, понятный нейросети. Объем информации стал меньше, но самое важное было сохранено.
Меньше памяти, больше руды
Вместо 13 признаков ИИ-модель использует всего шесть, объем требуемой памяти сокращается вдвое, а время обучения – на треть. Теперь интеллектуальная система учится не на множестве разнородных данных, а на сжатом «концентрате». При этом точность ее работы на тестовых данных достигает 88%.
На геологической карте территории умный алгоритм классифицирует участки по степени перспективности: высокой, средней, низкой или нулевой. Геологи видят, где целесообразно разворачивать буровую установку, а где нет. Такой подход поможет сэкономить добывающим компаниям миллиарды рублей, снизив количество дорогостоящих «пустых» скважин при бурении. Метод уже прошел «полевые» испытания на реальных данных золоторудного комплекса Агбау в Кот-д’Ивуаре. Программа написана на Python, что делает ее гибкой и доступной для интеграции.
Технологии без границ
Россия продолжает внедрять ИИ-инструменты для геологии – от поиска алмазов и нефти до распознавания минералов и оптимизации стратегии разведки. Например, «АЛРОСА», компания по добыче алмазов, разработала умную систему, которая анализирует геофизические данные, накопленные за более чем 50 лет, и определяет перспективные для разведки территории, в том числе участки со сложным геологическим строением.
«Газпром нефть» с помощью ИИ обнаружила дополнительные залежи углеводородов на Вахском месторождении в ХМАО и Томской области. Предварительно оцененные извлекаемые запасы составили не менее 100 тысяч тонн нефти. Система проанализировала данные действующих скважин и выявила ранее не обнаруженные перспективные пласты.
Стоит отметить, что геологические модели месторождений в основном учитывают концентрацию полезных компонентов и объем запасов, но довольно редко рассматривают «технологическое качество» руды – насколько легко или сложно будет извлечь из нее металлы и минералы на фабрике. В этом аспекте значима разработка ученых Кольского научного центра РАН и Мурманского арктического университета. Их алгоритм дает точный математический прогноз – какая стратегия изучения и какой метод переработки/обогащения будут наиболее эффективными для конкретного фрагмента породы.
Ученые МГУ в свою очередь представили программное обеспечение, которое автоматически идентифицирует минералы по фотографиям полированных образцов руд. Разработка предназначена для ускорения минералогических исследований. Точность распознавания составляет 91,7% на тестовом наборе LumenStone.
Перспективная точность
ПНИПУ ранее уже представлял программный метод, объединяющий ИИ, геоинформационные технологии и пространственный анализ. Система определяет участки с высокой золотоносной перспективностью с точностью 90%, со средней – 89%. Испытания также проводились на данных месторождения в Кот-д’Ивуаре. Поэтому в контексте нынешней разработки можно смело говорить о технологической преемственности.
Россия – страна с экстремальными условиями для добычи полезных ископаемых, поэтому алгоритм ПНИПУ, позволяющий сократить объем вычислений, становится важным инструментом для работы в труднодоступных регионах – Сибири, Арктике, на Дальнем Востоке. Он может стать частью цифровых платформ, подобных той, что создается в Забайкалье. Там разработчики уже заявляют о планах уменьшить затраты недропользователей на четверть.
Новая разработка ПНИПУ – это не про сокращение всего цикла геологоразведки в два раза, а про ускорение и удешевление ее вычислительного ядра. Это фундамент, на котором можно строить более эффективные системы прогнозирования. В России остаются огромные неизученные территории, перспективные для открытия новых запасов. В прошлом году на государственный баланс было поставлено 317 новых месторождений твердых полезных ископаемых и углеводородов. А с «умными» технологиями их должно стать еще больше.
