🚀 Директор Центра искусственного интеллекта Сколтеха, профессор Евгений Бурнаев, выступил на демо-дне Индустриального центра компетенций «Ракетно-космическая промышленность». Его доклад был посвящен современным тенденциям и методам генеративного проектирования, включая применение мультиагентных систем и генеративных моделей для решения сложных инженерных задач.

🤖 Евгений отметил, что генеративные модели, включая алгоритмы на базе GAN (Generative Adversarial Networks), находят все более широкое применение в различных отраслях промышленности. В частности, он упомянул проекты, в которых его команда разрабатывала системы генеративного проектирования для аэродинамических обводов самолетов и судов. Эти модели позволяли значительно ускорить процесс разработки и повысить точность прогнозирования характеристик изделий.

📊 Особое внимание было уделено преимуществам мультиагентных систем, которые позволяют автоматизировать проектирование сложных инженерных объектов, таких как месторождения и инженерные сооружения. Проф. Бурнаев привел пример автоматизации построения модели пласта, где использование мультиагентной системы позволило сократить время настройки модели с нескольких месяцев до нескольких недель, повысив при этом точность прогнозов добычи.

🛠️ Евгений также рассказал о перспективах применения генеративных моделей для обработки инженерных чертежей, в том числе для векторизации старых бумажных документов. Генеративные модели помогают очищать чертежи, восстанавливать пропуски и аппроксимировать линии, что значительно улучшает качество и точность готового цифрового документа.

📚 В заключение Евгений Бурнаев подчеркнул, что большие языковые модели и графы знаний смогут сыграть ключевую роль в автоматизации обработки инженерной документации и интеграции данных из различных источников. Он выразил уверенность, что дальнейшее развитие этих технологий откроет новые возможности для автоматизации и оптимизации процессов проектирования в высокотехнологичных отраслях.

🛢️ Наши коллеги из Центра прикладного ИИ Сколтеха - руководитель исследовательской группы Сергей Шумилин, инженер-исследователь Александр Рябов и младший инженер-исследователь Дамир Ахметов – приняли участие в 5-й юбилейной международной научно-практической конференции «Интеллектуальный анализ данных в нефтегазовой отрасли», которая состоялась в Калининграде.

🏆 Исследование Сергея Шумилина – «Адаптация модели месторождения на историю добычи с помощью комплексного подхода на основе одновременного учета разнородных данных и байесовской оптимизации в сжатом пространстве параметров» - было удостоено номинации «Лучший доклад». Сергей представил результаты по применению байесовской оптимизации black-box функции для адаптации модели месторождения. В рамках проекта «Универсальный пайплайн» удалось автоматически садаптировать модель и получить качество прогноза, превосходящее результаты ручной адаптации. Предложенный алгоритм требует всего несколько часов работы в сравнении с ручной адаптацией, которая может занимать месяцы или годы.

🧠 Александр Рябов представил два доклада:

1️⃣ «Нейросетевое моделирование трехмерных полей свойств с обучаемым базисом на основе автокодировщика» – о создании трёхмерных кубов физических свойств, таких как проницаемость, с использованием нейросетей. Этот метод помогает заполнить пространство между скважинами, используя данные из двухмерных карт и вертикальных профилей. Метод тестируется на картах проницаемости, объединяющих данные геофизических, гидродинамических и сейсмических исследований.

2️⃣ «Алгоритм комплексирования для построения кубов статистически связанных геолого-гидродинамических свойств пласта на основе ядерной регрессии и перекрестно-связанных свёрточных нейронных сетей» (первый автор проекта - Михаил Анисимов, младший инженер-исследователь Центра прикладного ИИ Сколтеха) – о новом алгоритме, который помогает строить трёхмерные модели свойств подземных пластов, таких как пористость и проницаемость, для более точного расчёта добычи нефти или газа.

🔬 Выступление Дамира Ахметова было посвящено применению физически-информированной нейронной сети для прогнозирования динамики изменения пластового давления вокруг работающей скважины с учётом уравнения фильтрации в однофазной постановке. Модель работает на несколько порядков быстрее, чем численный симулятор, что позволяет использовать её для различных задач моделирования течения жидкости. В будущем эта модель может быть расширена для работы с многофазными течениями, что позволит решать более сложные прямые задачи подземной гидромеханики нейросетевым подходом.