Нейросеть поможет превратить тяжелую нефть в более прибыльную легкую
В последние годы в связи с истощением запасов легкой нефти мировое экспертное сообщество занимается поиском новых возможностей переработки и использования тяжелой нефти. Ученые из научно-образовательного центра «Машинное обучение и анализ больших данных» Новосибирского национального исследовательского государственного университета (НГУ) совместно с коллегами из Института катализа им. Г. К. Борескова Сибирского отделения (СО) РАН подключили к решению отраслевой задачи искусственный интеллект. Для дробления длинных молекул углеводородов нужно быстро получать статистические данные о частицах катализатора, для этого ученые предложили использовать Telegram-бот Nanoparticles.
Использование чат-бота в области материаловедения, медицины, изучения полупроводников и катализа, с одной стороны, позволит пользователям по фотографии оперативно получить качественные статистические данные о частицах (размеры, плотность размещения, площадь поверхности и т.д.), с другой ― даст возможность оптимизировать работу научных сотрудников за счет сокращения времени на обработку материала. Сервис можно также использовать для решения такой важной межотраслевой задачи, как создание катализатора для быстрого и качественного превращения тяжелой нефти в легкую. Эта задача на сегодняшний день особенно актуальна, поскольку запасы легкой нефти, из которой получают большинство используемых в промышленности и быту углеводородов, истощаются.
«Ученые, занимающиеся темплатным синтезом, используют наш сервис для подбора оптимальной концентрации и размеров полимерных шариков, используемых при синтезе катализатора переработки тяжелой нефти. Если полости, оставшиеся после выгорания полимерных шариков при нагревании катализатора, окажутся слишком маленькими, длинные молекулы углеводорода не смогут встроиться и вступить в реакцию с активным компонентом ― платиной. Если же, наоборот, пространства будет слишком много, химическая реакция по расщеплению молекулы будет протекать медленнее. Nanoparticles позволяет делать оперативные замеры размеров шариков с точностью и скоростью, недоступной для ручных методов. Это достигается за счет того, что нейросеть за несколько секунд анализирует изображение целиком, находит и оцифровывает тысячи объектов. В то время как человек за то же время успевает измерить не более одной частицы», — рассказывает директор Высшего колледжа информатики (ВКИ) НГУ, кандидат химических наук Алексей Окунев.
Новый сервис анализа микроскопических изображений позволяет пользователю самостоятельно обучать нейросеть, загружая в базу фотографии необходимых объектов. При этом для обучения не нужно размечать на исходных изображениях сотни, а то и тысячи частиц, достаточно указать небольшой кроп (область фотографии, используемую для обучения сети) и обозначить в нем очертания интересующих исследователя объектов.
В перспективе применение усовершенствованных методов анализа, в том числе чат-бота, позволит обеспечить российские предприятия экономически выгодными технологиями для соответствия мировым экологическим стандартам, что особенно важно в контексте общемирового тренда по декарбонизации экономики.
По словам заведующего лабораторией глубокого машинного обучения в физических методах ВКИ НГУ, кандидата химических наук Андрея Матвеева, сейчас многие компании используют чат-боты. Это проще, потому что Telegram, Viber и другие платформы уже почувствовали потребности и разработали множество разных сервисов, и каналы — это готовый для использования интерфейс.
Для обучения нейросети ученые НГУ работали с группой исследователей из Института катализа им. Г.К. Борескова СО РАН, использующей сканирующую туннельную микроскопию, а также с коллегами из Института цитологии и генетики СО РАН. Сейчас к ним присоединились исследователи из Института катализа, которые работают с просвечивающей электронной, сканирующей электронной и оптической микроскопией.
Напоминаем, что в рамках Года науки и технологий ноябрь посвящен искусственному интеллекту.
