Цивилизация
Научная статья «Универсальные представления данных каротажа скважин с помощью ансамблирования моделей самообучения» признана лучшей статьей третьего специального выпуска научного журнала «Доклады Российской Академии Наук. Математика, информатика, процессы управления» по итогам международной конференции AI Journey, сообщает пресс-служба Сбера.
Отбор научных статей с передовыми исследованиями в области искусственного интеллекта и машинного обучения был проведен Сбером совместно с Институтом системного программирования РАН. Всего на конкурсный отбор поступило свыше 230 заявок от AI-исследователей из 11 стран.
Отмечается, что все материалы прошли рецензирование у ведущих профильных экспертов. При этом для публикации в издании комиссия отобрала 30 статей путем голосования.
Как отметил старший вице-президент – руководитель блока «Технологическое развитие» Сбера Андрей Белевцев, сегодня в нефтегазовой промышленности возникает много задач, которые могут быть решены с помощью моделей на основе ИИ. По его словам, большая часть данных, на которых можно было бы учить модели, не размечена или размечена плохо, содержит пропуски и аномалии.
«Существующим моделям трудно работать с такими данными, их качество было недостаточно высоким. Поэтому авторам статьи был предложен подход, который обладает глубиной научной проработки вопроса, так и большой прикладной значимостью исследования для нефте- и газодобычи в России. С развитием AI-технологий открываются новые исследовательские горизонты, которые ранее были недоступны», — сказал он.
В Сбере уточнили, что коллектив Сколтеха, написавший статью получил денежную премию в размере 1 млн рублей. В работе над материалом поучаствовали Владимир Жолобов, Евгения Романенкова, Сергей Егоров, Нарек Геворгян и Алексей Зайцев.
Авторы рассмотрели подходы, которые позволяют получить качественные кодировщики для формирования представления временных рядов. Эксперименты на данных бурения показали, что описанный подход успешно решает задачу оценки схожести между геофизическими свойствами интервалов и выявляет аномалии во время бурения.