Российские ученые сократили обработку сейсмических данных с тысяч операций до 50: революция в поиске полезных ископаемых

Новый взгляд на подземные тайны с помощью математического волшебства

Российские исследователи разработали новый алгоритм, способный оперативно преобразовывать данные сейсмических измерений в детальные карты подземных слоев. Эта технология характеризуется минимальным числом математических операций и значительно расширит спектр возможностей сейсмических исследований. Её применение будет актуально как для поиска природных ресурсов, так и для оценки сейсмических рисков во время строительных работ.

Данная информация была опубликована изданием ТАСС Наука со ссылкой на пресс-службу Московского физико-технического института (МФТИ). Созданная система существенно отличается от существующих диффузионных моделей искусственного интеллекта (ИИ).

В отличие от уже существующих диффузионных моделей ИИ, разработанная учеными система не восстанавливает карты из случайного шума, а строит “мост” между двумя конкретными точками: приблизительной и детализированной эталонной моделью. Это сокращает число операций в разы - для получения карты требуется всего 50−100, а не сотни или тысячи вызовов нейросети. При этом достигается сопоставимое качество результата, что существенно ускоряет процесс, - говорится в сообщении.

Над данным подходом работали аспирант МФТИ Андрей Станкевич и руководитель кафедры информатики и вычислительной математики МФТИ Игорь Петров. В основе их алгоритма лежит концепция, известная как "мост Шредингера". Эта математическая задача была сформулирована в 1930-х годах Эрвином Шредингером, одним из ключевых фигур в создании квантовой механики.

Концепция "моста Шредингера" описывает, как группа частиц изменяется под воздействием одного или нескольких случайных процессов в течение определенного времени. Эта идея широко применяется в диффузионных системах ИИ для генерации изображений и других данных по запросу пользователя. Она также используется для анализа характеристик сейсмических волн и их последующего преобразования в полноценные карты подземных структур.

Российские специалисты предложили метод, который позволяет быстро конвертировать сейсмические данные в особые "подсказки". Эти "подсказки" нейросеть использует в процессе обучения для создания детализированных карт подземных образований. Такой подход гарантирует, что нейросеть работает не хаотично, а опирается на реальные данные, что существенно уменьшает количество необходимых шагов и ускоряет работу системы в десятки раз.

Андрей Станкевич объяснил принцип действия системы:

Представьте себе, что вы видите подземные структуры сквозь запотевшее окно и шаг за шагом постепенно стираете этот туман, открывая ясную картину того, что скрыто под землей. Так работает и наша система: на входе мы имеем размытую модель и сырую запись сейсмических волн. С помощью нейронной сети система шаг за шагом “уточняет” карту и добавляет в нее детали. На выходе получается детальная карта скоростей, которая соответствует реалистичной геологической структуре из обучающей выборки, - подытожил Станкевич, чьи слова приводит пресс-служба вуза.

Как сообщалось ранее, российские исследователи нашли способ повысить точность работы систем искусственного интеллекта, используемых для формирования персональных рекомендаций, увеличив этот показатель в среднем на 7% за счет корректировки метода обучения нейронных сетей. Впоследствии, 26 августа 2025 года, специалисты Сбера разработали метод выявления так называемых галлюцинаций в работе ИИ, который позволяет увеличить точность обнаружения таких сбоев примерно на 30%. Эти разработки, включая комментарий директора Центра практического искусственного интеллекта Сбербанка Глеба Гусева, подчеркивают активное развитие отечественных ИИ-технологий в различных сферах.