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.
В Сколтехе научили искусственный интеллект определять вязкость нефти
Группа ученых из Сколтеха разработала алгоритмы машинного обучения, позволяющие научить искусственный интеллект определять вязкость нефти методом ядерного магнитного резонанса. Новый способ может использоваться нефтяными компании и даже в других отраслях, в которых важно определять свойства вещества по косвенным параметрам.
Исследование опубликовано в журнале Energy and Fuels. Вязкость – важный параметр для нефти и продуктов ее переработки. Он оказывает влияние и на ее добычу и процессы дальнейшей обработки, а также необходим для понимания динамики и моделирования процессов, происходящих в месторождениях. Стандартные методы определения и мониторинга вязкости – дорогие, занимают много времени, а иногда и невыполнимы технически.
Свойства вещества можно определять с помощью ядерного магнитного резонанса (ЯМР), метода основанного на способностях вещества поглощать и излучать электромагнитную энергию. Химически нефть неоднородна и представляет собой смесь различных углеводородов, поэтому, интерпретировать результаты ЯМР крайне сложно.
Группа ученых из Сколтеха, Университета Калгари (Канада) и Университета Кертин (Австралия) применили к данным ЯМР алгоритмы машинного обучения. Модель, обученная на ЯМР данных различных видов нефти из месторождении Канады и США, смогла точно предсказывать вязкость, что подтверждалось результатами лабораторных исследований.
По словам одного из руководителей исследования профессора Центра добычи углеводородов Сколтеха Дмитрия Коротеева, их работа иллюстрирует то, как машинное обучение может помочь изучать свойства материалов не напрямую, а по косвенным измерениям. В частности, можно определять вязкость не по лабораторным тестам с использованием вискозиметра, а с помощью ЯМР-измерений. В практическом плане это дает возможность получить информацию о нефти прямо в скважине, без подъема образцов на поверхность и тестирования в лаборатории.
«Удивительно, но здесь машинное обучение работает точнее классических корреляций, – комментирует профессор Коротеев. – Экспериментальные данные прямых и косвенных измерений, которые были у нас в распоряжении, послужили хорошей обучающей выборкой для алгоритмов машинного обучения. Тесты алгоритмов показали хорошую обобщающую способность и отсутствие переобучения».
Особенно интересна высокая точность моделей машинного обучения в работе с образцами сверхтяжелой нефти и битума. Из-за сложного химического состава взаимосвязь между параметрами ЯМР и вязкостью для такого типа веществ не определена. Поэтому в эмпирических моделях требуется проведение дополнительных измерений, которые сложно проводить в полевых условиях. В случае машинного обучения такие измерения не требуются.
Ученые утверждают, что область применения технологии не ограничивается только нефтедобывающей отраслью. Существует много примеров, где достать образец материала на тестирование очень сложно и проведение измерений косвенных параметров – хорошая альтернатива. Например, в пищевом кластере можно определять качество фруктов без разрезания, или в сельском хозяйстве — оценивать свойства почв сразу на больших площадях.
Коллектив ученых из Сколтеха — аспирант Егор Нужин, доцент Максим Панов и профессор Николай Бриллиантов — при помощи методов искусственного интеллекта объяснили таинственное поведение, характерное для ряда животных, — кружение.
Новое исследование не только определило годы жизни неолитической представительницы нашего вида, но и показало, как она выглядела.
Океаны на нашей планете не могли возникнуть сразу после ее появления: здесь было слишком жарко. Однако попытки объяснить их «кометным завозом» не удались, изотопный состав нашей воды не такой, как в кометах. До самых недавних пор оставалось неясным, откуда же тогда она появилась, сделав возможной земную жизнь?
Коллектив ученых из Сколтеха — аспирант Егор Нужин, доцент Максим Панов и профессор Николай Бриллиантов — при помощи методов искусственного интеллекта объяснили таинственное поведение, характерное для ряда животных, — кружение.
(16) Психея – одно из самых необычных небесных тел в Поясе астероидов. Она может дать людям не только понимание о происхождении планет, но и невероятные по своим объемам ресурсы. Правда, придется подождать: миссия по исследованию астероида находится лишь в самом начале долгого и сложного пути.
Заслуженные штурмовики A-10 и Су-25, которым дали прозвища «Бородавочник » и «Грач» соответственно, много десятилетий стоят на службе в Соединенных Штатах и России. Страны избрали разные подходы к модернизации этих самолетов, и сегодня Naked Science постарается понять, какой из них больше соответствует требованиям XXI века.
Дополнительное исследование вулканических пород формации Кибиш в Эфиопии изменило датировку найденных там костей Homo sapiens.
Ученые факультета физической культуры Томского государственного университета в рамках гранта, поддержанного РНФ, исследуют особенности механизма усвоения глюкозы при сахарном диабете второго типа. Для этого был организован масштабный четырехмесячный эксперимент на 240 мышах, подобного которому в мире еще никто не проводил. Животные с искусственно сформированным диабетом подвергались физической нагрузке. Установлено, что вечерние тренировки лучше снижали вес мышей мышей, а утренние – приводили к уменьшению уровня глюкозы. Предположительно, фактором, стимулирующим утилизацию глюкозы, выступил стресс. Ученые намерены проверить эту гипотезу.
Коллектив ученых из Сколтеха — аспирант Егор Нужин, доцент Максим Панов и профессор Николай Бриллиантов — при помощи методов искусственного интеллекта объяснили таинственное поведение, характерное для ряда животных, — кружение.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно
Мы скоро прочитаем его и свяжемся с Вами по указанной почте. Спасибо за интерес к проекту.
Понятно
Последние комментарии