ТехволнаРоссийские учёные создали «переводчик» с языка геологов на язык нейросетей для поиска руды
Поиск новых месторождений требует от геологов анализа колоссальных объёмов информации. Специалисты собирают пробы, изучают спутниковые снимки и данные бурения, нанося их на карты, разбитые на тысячи участков. Для каждой ячейки определяется тип породы, гидротермальные изменения и признаки руды.
Ручная обработка таких массивов заняла бы годы, поэтому в дело всё чаще вступают нейросети. Главным препятствием остаётся языковой барьер: искусственный интеллект не понимает геологических терминов, ему нужны цифры. Существующие методы перевода названий в числа либо перегружают вычислительные мощности, либо не дают прямого ответа о наличии и объёмах руды на конкретном участке.
Решение предложили учёные Пермского национального исследовательского политехнического университета. Они создали алгоритм, работающий как «переводчик» между профессиональным языком геологов и нейросетями. В его основе лежит расчёт контрастности: для каждого описания, например «гранитоиды», вычисляется, насколько часто оно встречается на богатых рудой участках и насколько часто отсутствует на пустых.
Как пояснил ведущий инженер кафедры «Информационные технологии и автоматизированные системы» ПНИПУ Ассуму Херве Мэтью Нкрума, из этих двух оценок получается контраст. Если порода тяготеет к перспективным ячейкам, он положительный, если к неперспективным — отрицательный, а при равномерном распределении близок к нулю. Контрасты рассчитываются отдельно для каждого класса перспективности, проверяются на статистическую надёжность и усредняются.
В результате каждое название породы превращается в одно-единственное число. Благодаря этому таблица для нейросети не разрастается на десятки новых столбцов. Вместо тринадцати исходных признаков остаётся шесть, и сеть анализирует компактный, но осмысленный набор данных.
Важные сведения не теряются — компьютер видит, какие геологические признаки действительно указывают на наличие руды. Разработка уникальна тем, что позволяет не просто констатировать наличие полезных ископаемых, а определять степень перспективности участка: высокую, среднюю или низкую. Авторы утверждают, что подобного подхода к обработке геологических данных нет ни в России, ни за рубежом.
Статья с описанием метода опубликована в научном журнале «Вестник Пермского национального исследовательского политехнического университета. Электротехника, информационные технологии, системы управления». Эффективность подтверждена на реальных данных золоторудного комплекса Агбау в Кот-д’Ивуаре.
Точность прогнозирования составила 88%, что соответствует уровню лучших мировых аналогов. При этом объём требуемой памяти сократился вдвое, а время обучения нейросети уменьшилось на треть. Программный код метода написан на языке [[python]].
Новый подход особенно ценен для слабоизученных территорий, где каждый лишний метр бурения и каждый день расчётов стоят огромных денег. Технология позволяет принимать решения быстрее, бурить меньше пустых скважин и точнее определять места залегания руды. Метод применим для любых геологических задач и может использоваться на всех этапах геологоразведки — от первичного анализа до построения детальных прогнозных карт.
По сути, инженеры создали инструмент, который не просто ускоряет вычисления, а делает диалог между геологом и машиной более осмысленным. Нейросеть получает не избыточный массив цифр, а сжатое представление данных, где каждый показатель напрямую связан с вероятностью найти руду. Это открывает дорогу к более быстрой и дешёвой разведке недр.
