ПРИШЛИТЕ СВОЮ НОВОСТЬ!
Лента новостей
Выбрать категорию:
26 сентября
25 сентября
24 сентября
23 сентября
22 сентября
21 сентября
20 сентября
19 сентября
18 сентября
17 сентября
16 сентября
15 сентября
14 сентября
13 сентября
12 сентября
11 сентября
10 сентября
09 сентября
08 сентября
07 сентября
06 сентября
05 сентября
ГОЛОСОВАНИЕ
Нужна ли астрономия в качестве школьного предмета?

Республика Татарстан: Ученые КФУ используют искусственный интеллект для увеличения добычи нефти

04 сентября, 13:07

 

4 сентября – Молодежные новости. В рамках проекта исследователи применили методы машинного обучения к решению задач поиска неисправностей в интегральных схемах.

Ученые Казанского университета имеют реальную возможность повлиять на технологический процесс, рассматривая комплексные проблемы построения цифрового месторождения, включая надежность и качество применяемых интегральных схем.

До недавнего времени нефтяная отрасль меньше всего ассоциировалась со сферой IT, однако уже сегодня нанотехнологии активно вошли и в данную сферу человеческого обихода.  Каждое месторождение — сложнейшая система, состоящая из пластов, скважин, объектов поверхностного обустройства и инфраструктурных объектов. В ней так много параметров, с помощью которых можно управлять эффективностью, что найти глобальный экстремум можно только с помощью искусственного интеллекта.

Уже сегодня математики КФУ готовы внедрить методы машинного обучения в решение задач поиска неисправностей в интегральных схемах. Работа осуществлялась на базе НИЛ «Геоинформационные и геофизические технологии». Результаты работы были опубликованы на научно-исследовательском портале Researchgate.

Что касается аспектов применения искусственного интеллекта в решении актуальных задач, учеными КФУ были предложены новые способы выбора существенных характеристик, позволяющие минимизировать время облучения нейронной сети, повысить точность предсказания и, самое главное, повысить качество диагностики неисправностей. Так и получается, что при меньших вычислительных затратах открывается возможность оценивать качество готового изделия, находить неисправности в изготавливаемых микросхемах, ну и, соответственно, выпустить на рынок только те микросхемы, которые прошли тестирование. В случае неудачи диагностика покажет причину и суть дефекта.

В рамках эксперимента ученые проводили обучение нейронной сети для тестирования проектируемого устройства и поиска в нем неисправностей. С помощью математического моделирования осуществлялось накопление характеристик, отражающих поведение схемы, с учетом  влияния возможных неисправностей на работу соответствующих устройств. Накопленные данные являются, по сути, источником больших данных (BigData) в силу высокой структурной и функциональной сложности современных интегральных схем. Допуски определяют случайные отклонения параметров внутренних компонентов от номинала. Все это приводит к существенному разрастанию неоднозначности в выходных характеристиках. Чтобы получить комплексную оценку поведения, необходимо выполнить исчерпывающее моделирование, так называемое стохастическое моделирование с использованием метода Монте-Карло, когда объект наделяется реальными свойствами и обеспечивается моделирование при разных начальных условиях. Все, что удастся накопить, является неким портретом работы проектируемого устройства,  объясняют ученые.

 

Информация предоставлена КФУ