Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
ИИ разрешил компромисс между микро- и макроизображениями пористых структур
Ученые из МФТИ и Китая разработали новую методику совмещения разномасштабных изображений. Она позволяет получить точные изображения структуры сложных пористых сред, что важно для нефтегазовой отрасли, строительства и экологии.
Пористые среды, такие как цемент, бетон, горные породы, сплавы имеют сложную многоуровневую структуру, которую исследуют с разным разрешением. Эти материалы широко используются в строительстве, энергетике. Точное моделирование таких структур необходимо для понимания их проницаемости, физической прочности и других характеристик. Это позволит заменить виртуальными симуляциями дорогие эксперименты.
Традиционные методы визуализации сложных сред ограничены компромиссом между полем зрения и разрешением. При съемке большого объема получается низкое разрешение, и мелкие структуры (поры или каналы) «размываются». А при высоком разрешении, где видны все мелкие детали, можно снять только малый объем, а общая структура не доступна. Поэтому многие образцы, такие как породы-коллекторы нефти и газа, сланцы, почвы и многие другие исследуются в лаборатории разными методами на разных масштабах. Эти данные потом необходимо собрать в единую модель.
Чтобы улучшить разрешение томографических изображений при совмещении их с точными изображениями электронной микроскопии, ученые из Сычуаньского университета и МФТИ применили машинное обучение. Исследователи разработали двухэтапный алгоритм на основе генеративно-состязательной сети (LRR-GAN), объединяющий информацию из изображений разного разрешения. Общая логика работы: сначала улучшенный вариационный автоэнкодер — базовый элемент машинного обучения — обучается разделению и извлечению детальных характеристик (мелкие поры) из 2D-изображений высокого разрешения. Затем он преобразует их в компактные представления. Потом они соединяются с большими структурными особенностями из 3D-изображений низкого разрешения в генераторе LRR-GAN. Работа опубликована в журнале Construction and Building Materials.
Специальная регрессионная потеря обеспечивает согласованность деталей, позволяя контролировать результат на основе входных данных.
Получение 3D-изображения состоит из трех этапов. На первом получают цифровые изображения образцов горных пород с различным разрешением с помощью компьютерной томографии. После эти снимки обрабатываются: шумоподавление, сегментация и обрезка. На втором этапе происходит объединение изображений с низким разрешением и изображений с высоким разрешением для моделирования многомасштабных микроструктур. Именно здесь используется разработанный алгоритм. На третьем этапе параметры структуры пор и фильтрационные свойства оцениваются с помощью численного моделирования.
Сравнение результатов моделирования с экспериментальными данными дало высокое совпадение. Это говорит о том, что разработанный алгоритм эффективно реконструирует многоуровневые микроструктуры пористых материалов. Величина схожести мелкомасштабных деталей показала, что точность моделирования новым методом в два раза выше по сравнению с другими алгоритмами.
«Как и любой подход, наше решение имеет ряд ограничений. Например, сейчас мы работаем с бинарными изображениями. С одной стороны, это ограничивает нас всего двумя фазами: порами и твердой фазой, но зато результаты сразу подходят для моделирования в масштабе пор — в работе мы рассчитали поток флюида через 3D-изображения, для того чтобы получить проницаемость образцов. Мы продолжаем развивать это направление вместе с сотрудниками и студентами центра Мариной Карсаниной (старший научный сотрудник ЦВФ) и Владимиром Шибановым (студент ЛФИ 2-го курса)», — прокомментировал Кирилл Герке, директор по науке Центра вычислительной физики МФТИ.
Новый алгоритм, восстанавливающий многоуровневые микроструктуры пористых материалов, преодолевает компромисс между разрешением и полем зрения. Он позволяет создавать точные 3D-модели сложных многоуровневых структур. Это открывает путь к более глубокому пониманию физических свойств пористых материалов и поведения потоков жидкостей или газов внутри них. Это способствует развитию «цифровых двойников» материалов, где виртуальное моделирование заменяет дорогие эксперименты, ускоряя инновации в материаловедении.
Telegram 
Дзен 
VK От рыб произошли все наземные позвоночные, включая нас, но как именно рыбы стали главным населением морей — до последнего времени оставалось неясным. Авторы новой научной работы попытались доказать, что причиной этого было вымирание, возможно, вызванное белыми ночами.
На юге Африки ученые обнаружили коллекцию небольших каменных стрел. С виду — обычные артефакты древнего человека. Но современные технологии позволили выявить их смертельный секрет. Эти наконечники, которым почти 60 тысяч лет, сохранили следы яда. Авторы нового исследования пришли к выводу, что древние охотники стали использовать яды намного раньше, чем считала наука.
В Олдувайском ущелье на севере Танзании ученые обнаружили скелет слона возрастом 1,78 миллиона лет, а рядом с ним — необычные для того времени каменные орудия. Авторы нового исследования полагают, что им удалось найти древнейшее место разделки гигантской добычи.
На юге Африки ученые обнаружили коллекцию небольших каменных стрел. С виду — обычные артефакты древнего человека. Но современные технологии позволили выявить их смертельный секрет. Эти наконечники, которым почти 60 тысяч лет, сохранили следы яда. Авторы нового исследования пришли к выводу, что древние охотники стали использовать яды намного раньше, чем считала наука.
От рыб произошли все наземные позвоночные, включая нас, но как именно рыбы стали главным населением морей — до последнего времени оставалось неясным. Авторы новой научной работы попытались доказать, что причиной этого было вымирание, возможно, вызванное белыми ночами.
Ученые десятилетиями ищут кости мамонтов, которые, по данным генетиков, могли дожить на материке до бронзового века. Очередная потенциальная находка с Аляски, считавшаяся остатками мамонтов, после проверки оказалась костями китов, умерших около двух тысяч лет назад.
На скалистых берегах аргентинской Патагонии разворачивается настоящая драма. Магеллановы пингвины, долгое время чувствовавшие себя в безопасности на суше в своих многотысячных колониях, столкнулись с новым и беспощадным врагом. Их извечные морские страхи — касатки и морские леопарды — теперь блекнут перед угрозой, пришедшей из глубины материка. Виновник переполоха — грациозный и мощный хищник, недавно вернувшийся на эти земли после долгого изгнания.
Среди самых интригующих открытий космического телескопа «Джеймс Уэбб» — компактные объекты, получившие название «маленькие красные точки». Их видели только в самых дальних уголках Вселенной. Большинство возникло в первый миллиард лет после Большого взрыва, и ученые предполагали, что такие источники представляют собой небольшие компактные галактики. Однако международная команда астрономов пришла к иному выводу. Они предположили, что на самом деле «маленькие красные точки» — черные дыры, окруженные массивной газовой оболочкой.
Ученые задались вопросом: почему два расположенных по соседству спутника Юпитера такие разные, ведь на Ио повсеместно извергаются вулканы, а Европа полностью покрыта многокилометровой коркой льда. Есть версия, что Ио когда-то тоже была богата водой, но по итогам недавнего исследования это сочли неправдоподобным.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно