ПРИШЛИТЕ СВОЮ НОВОСТЬ!
Лента новостей
Выбрать категорию:
18 сентября
17 сентября
16 сентября
15 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