Российские учёные разработали методику на базе ИИ и машинного обучения, позволяющую быстро и точно определять минеральный состав сложно устроенных и редких пород нефти, в том числе Баженовской свиты в Западной Сибири.
Алгоритмы снижают затраты
По сути, разработка является алгоритмической моделью и комплексом ИИ-инструментов для анализа минералогии в процессе бурения и геологоразведки. Традиционные методы определения минералов требуют многочисленных лабораторных анализов: дорогих, медленных и трудоёмких. Новый подход позволяет получать данные о составе пород «по длине скважины» и в разы снижает затраты.
Алгоритм для анализа сложных нефтеносных пород может быть использован для быстрой интерпретации данных прямо в процессе бурения. Так как подобные ИИ-методы востребованы в глобальной нефтегазовой промышленности и в горнорудной разведке, эксперты прогнозируют востребованность разработки. В перспективе возможен экспорт технологии или её адаптация зарубежными компаниями.
Новые горизонты для нефтедобычи
Разработка создана на базе «Сколтех» – негосударственного международного университета, входящего в группу ВЭБ.РФ.
По мнению самих разработчиков, новый комплексный подход может быть использован для быстрой интерпретации данных в процессе бурения, выделения перспективных интервалов в сложных нефтеносных породах и оптимизации методов увеличения нефтеотдачи.
Сергей Цивилев - министр энергетики РФСейчас без искусственного интеллекта, цифровых двойников невозможно решение развития как раз трудноизвлекаемых запасов. Все наши компании нефтедобывающие перешли на этот механизм работы
Внедрение неизбежно окажет влияние на экономику промыслов. В современном мире запасы легкоизвлекаемой нефти практически исчерпаны, но значительная часть заточена в сланцах и других сложно устроенных породах. Они неоднородны по составу и требуют особых подходов в процессе разработки. Машинное обучение позволило систематизировать базу данных по минералогическим свойствам. Метод, исключающий традиционный путь лабораторных анализов, будет обязательно востребован на широком рынке.
Смотреть в одну сторону
В России за последние годы есть несколько примеров решения подобных задач добывающей отрасли с помощью ИИ. Так, в Санкт-Петербургском институте точной механики и оптики в 2025 году был разработан инструмент для облегчения переработки полезных ископаемых. В итоге разработка научилась размещать 600 изображений за час. Новое решение с открытым исходным кодом можно использовать для измерения размера и распределения различных объектов (гранулометрии) при добыче драгоценных и цветных металлов, при работе с гранулированными материалами и кристаллами в пищевой и сельскохозяйственной промышленности, а также при переработке нефти.
Также в прошлом году российские лаборатории разработали веб-инструмент для анализа спектров микрокристаллов минералов, упрощающий диагностику состава по спектроскопии. Сервис позволяет изучать состав минералов как на Земле, так и в космосе. Веб-приложение расшифровывает состав микровключений в минералах и сокращает время расшифровки данных с нескольких месяцев работы до нескольких минут. Инновация создана в лабораториях института геологии и минералогии им. В. С. Соболева СО РАН. Диагностика горных пород, состоящих из минералов – важная задача геологов. По их составу и кристаллической структуре можно установить происхождение минеральной ассоциации, глубину и температуру формирования. Однако идентифицировать микроминералы (размером в несколько микрон) сложно, поскольку они часто находятся внутри более крупных кристаллов. А вот новый сервис научился справляться с задачей за минуты. На основе анализа можно прогнозировать местонахождение новых месторождений меди, свинца, лития, золота и т.д.
Также известно, что в 2023 году Сбер и партнёры создали крупные обучающие датасеты минералов для повышения качества ИИ-сегментации и анализа.
Очевидно, что новая методология ИИ-анализа минералогии от «Сколтеха» – важное технологическое достижение в области цифровой геологии, обладающее потенциалом по снижению стоимости и ускорению разведочных операций.