В ТюмГУ разработали нейроморфное устройство для поиска углеводородов

Нейроморфное устройство для акустического поиска нефте- и газонасыщенных пород разработала команда ученых Тюменского государственного университета (ТюмГУ) и Института геофизики УрО РАН совместно с индустриальным партнером ООО НТЦ «ГеоСКАТ», 16 мая сообщает пресс-служба ТюмГУ. Созданный прибор предназначен для выполнения геофизических работ в скважинах сложной конструкции.

Его функционирование основано на волновом воздействии и нейросетевом анализе вызываемых им в горной породе сейсмоакустических шумов. Разработанная учеными технология позволит эффективно решать такие сложные задачи нефтегазовой отрасли, как выбор участков интервала перфорации, повышение коэффициента извлечения нефти, избирательное увеличение добычи ресурса в продуктивном интервале пласта и определение источников обводнения, отмечают ее авторы. Вкладом ученых ТюмГУ является алгоритм распознавания звуков, создаваемых в нефтяной скважине этим устройством. Алгоритм реализуется нейропроцессором, создаваемым коллективом лаборатории микро- и наноэлектроники Центра природовдохновленного инжиниринга ТюмГУ. В этом проекте архитектура и узлы технического устройства воспроизводят принципы построения и функционирования нейронных сетей живых организмов. Результаты исследования нейроморфного устройства, предназначенного для акустического поиска нефте- и газонасыщенных пород, были представлены на международной научно-практической конференции «Современные технологии нефтегазовой геофизики». Ведущий научный сотрудник Лаборатории наноматериалов и наноэлектроники Александр Писарев пояснил выбор такой концепции при создании устройства: «Если раньше инновации создавались с „нуля“ методом множественных проб и ошибок, то сейчас ученые пытаются внимательно посмотреть на природные объекты и воссоздать их уникальные свойства». Разработкой ученых ТюмГУ заинтересовались профильные компании, желающие внедрить инструменты искусственного интеллекта для повышения эффективности нефтедобычи, а также специалисты по нейросетевому решению прикладных задач для цифровизации этой отрасли.