Математики учат нейросети добывать нефть
В ходе генассамблеи Международного математического союза Санкт-Петербург 29 июля опередил Париж в голосовании за право проведения Международного математического конгресса 2022 года. Это событие стало признанием последних достижений отечественной науки. Конгресс, в ходе которого вручаются главные математические награды (медали Филдса), проходит один раз в четыре года и считается аналогом футбольного чемпионата мира в научной среде. До этого наша страна принимала его лишь однажды - в 1966 году в Москве.
По словам лауреата Филдсовской премии, профессора Женевского университета, СПбГУ и "Сколтеха" Станислава Смирнова, когда мы говорим о современной цифровой экономике, то надо понимать, что это направление требует не только программистов, но и математиков, так как большая часть современных технологий основана именно на ней.
На базе математических расчетов стало возможным не только производить локальные расчеты, но и создавать цифровые двойники объектов инфраструктуры, прогнозировать разные сценарии с учетом изменяющихся параметров и самостоятельно предлагать оптимальные для конкретного случая технологические решения.
В математическую модель заносятся параметры физико-химических процессов, инженерных систем, статического и динамического оборудования, процессов потребления и выработки энергии. За счет этого появляется возможность оценивать влияние на конкретный объект любых изменений внешних и внутренних условий, а значит, выбирать наиболее оптимальные режимы работы оборудования.
Кроме того, цифровые модели позволяют бизнесу тестировать инженерные решения методом подтверждения и опровержения гипотез без необходимости нести риски на реальных объектах инфраструктуры. Поэтому использование математики для обработки больших данных и создания цифровых двойников объектов стало важнейшим элементом трансформации привычных укладов для многих отраслей.
Цифры меняют бизнес
Математические модели для прогнозирования потребностей клиентов уже доказали свою эффективность в продажах. Компании собирают данные о клиентах, чтобы рассчитывать под них целевые маркетинговые акции. Последние годы математика начинает все больше интересовать и промышленный бизнес.
Работа с Big Data и Data Science стали мейнстримом крупнейших российских бизнес-эвентов. Вслед за сочинским Инвестиционным и Петербургским экономическим форумами о цифровой трансформации как о главном тренде заговорили на прошедшем в июле "Иннопроме". В эту нишу устремились крупные промышленные гиганты, чей бизнес всегда был основан исключительно на физических, а не информационных активах.
Этим летом авторитетный британский IT-журнал Computer Weekly впервые высоко оценил передовые цифровые проекты в отечественном топливно-энергетическом комплексе, выпустив интервью с CDO "Газпром нефти" Андреем Белевцевым. Цифровая трансформация бизнеса нефтяного гиганта попала в один ряд с проектами таких корпораций, как General Electric Company (GE), и была оценена журналистами как тропа, по которой пойдут другие российские мейджоры.
Научно-технический центр "Газпром нефти" в Санкт-Петербурге и исследовательская лаборатория СПбГУ им. Чебышева (специализация на исследованиях в фундаментальной и прикладной математике) с 2017 года сотрудничают в области создания новых алгоритмов анализа данных эксплуатации месторождений. С их помощью стало возможным прогнозировать свойства геологических пород на новых месторождениях для оптимального расчета расстановки скважин и корректировки работы оборудования в процессе бурения.
В итоге специалисты "Газпром нефти" (центр "ГеоНавигатор") перевели на круглосуточный режим сопровождение строительства до 30 скважин одновременно в самых разных регионах. Новые технологии передачи и анализа данных позволили нарастить долю высокотехнологичных скважин в портфеле эксплуатационного бурения "Газпром нефти" до 60%. По этому показателю компания лидирует в российской нефтегазовой отрасли.
Математическая база
Как отмечают эксперты лаборатории им. Чебышева, чтобы стать квалифицированным специалистом по нейросетям и Data Science, к примеру, в нефтяной отрасли, с одной стороны, нужна соответствующая математическая база: линейная алгебра, теория вероятности, математическая статистика, численные методы, методы оптимизации и прочее. Также нужно обладать навыками программирования. С другой стороны, человек должен быть хорошо погружен в предметную область, в данном случае - в геологию и разработку нефтегазовых месторождений.
По словам нефтяников, для физического изучения породы месторождения раньше приходилось доставать в процессе разведочного бурения с глубины в несколько тысяч метров образец - керн. Эта дорогостоящая процедура долгие годы являлась практически единственным способом анализа породы на наличие углеводородов. Благодаря математике и нейросетям появилась возможность прогнозировать свойства пород на новых месторождениях без отбора новых образцов кернов. Теперь специалисты могут анализировать цифровые керны, собранные в единую электронную базу данных, объединяющую весь совокупный опыт разведочного бурения компании.
http://tass.ru/ekonomika/5414178