《德国科学家利用人工智能勘测油气》

  • 来源专题:中国科学院文献情报先进能源知识资源中心 |领域情报网
  • 编译者: guokm
  • 发布时间:2019-05-17
  • 德国弗劳恩霍夫智能分析和信息系统研究所(IAIS)日前发布了利用人工智能进行油气勘测的最新成果,这将帮助相关行业更有针对性、更高效地勘测油气资源。

    据了解,弗劳恩霍夫智能分析和信息系统研究所与美国休斯敦大学和世界多家石油天然气公司20年前共建了VRGeo联盟,旨在推动油气勘测领域的技术和应用创新。

    据介绍,这套人工智能系统通过物体识别可自动发现岩层中不寻常的结构,再依靠人工神经网络对地震数据的分析,推断出最有可能勘测出油气资源的地点。使用人工智能技术不仅能提高分析准确性,也把以往需要三个月的勘测时间缩短至四周。

    德国巴斯夫集团下属的温特斯哈尔公司今年也加入VRGeo联盟。该公司勘测业务负责人托尔斯滕·黑尔比希表示,“人工智能在勘测和地震数据分析领域非常重要”,公司认为这项技术具有“巨大潜力”。

    弗劳恩霍夫智能分析和信息系统研究所研究人员、VRGeo联盟负责人曼弗雷德·博根认为,将深度学习算法集成到油气勘测的分析过程中,让更快发现高潜质的油气区域成为可能。

相关报告
  • 《日本科学家利用人工智能帮助探测热带气旋前兆》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:mall
    • 发布时间:2019-01-04
    • 日本国立海洋研究开发机构(JAMSTEC)地球信息科学与技术中心的Daisuke Matsuoka博士和九州大学的Seiichi Uchida教授领导的一个研究小组成功地提出了一种识别热带气旋及其前体的深度学习方法。 在传统方法中,台风和飓风等热带气旋的预测通常采用基于观测数据的气候模型和从卫星数据监测云发展的模型驱动方法进行。在这项研究中,研究小组应用了数据驱动方法,使用深度学习的方法得到大量的模拟数据,从而检测正在发展的热带气旋的前兆,并检验检测结果的准确性。 为了确保在深度学习中准确识别,需要大量的数据,每个类别需要超过几千个例子。因此,科学家首先将热带气旋跟踪算法应用于NICAM(非流体静力学二十面体大气模型)生成的20年气候模拟数据,并创建了5万张热带气旋和发展中的热带气旋前兆云图。他们还根据上述50000张云图结合100万张没有发展成热带气旋的云图创建了10组训练数据集,总共制作了1,050,000张图像。使用深度卷积神经网络算法,通过机器学习形成了10种不同特征的分类器。通过对10种不同类型的分类器结果进行综合评价,建立了一个整体分类器进行最终判断,发现利用NICAM的气候模拟数据可以更准确地检测出热带气旋的前兆。 然而,要在热带气旋实际发生之前对其进行预测,仍需进一步改进训练方法和数据集,确保卫星观测云图和数据同化实时模拟数据的探测能力达到相同水平。通过在这一领域采用人工智能技术进行深度学习,有望在数据驱动和模型驱动相结合的基础上,为海洋和地球科学大数据分析带来新的发展。 相关研究结果已于2018年12月19日发表在《地球与行星科学进展》期刊上。 (王琳 编译)
  • 《德国科学家首次利用人工智能成功识别小鼠的面部表情》

    • 来源专题:中国科学院文献情报生命健康领域集成服务门户
    • 编译者:王跃
    • 发布时间:2020-05-04
    • 4月3日,德国马克斯·普朗克神经生物学研究所科学家首次利用机器视觉识别小鼠的面部表情,不仅能区分出小鼠高兴、厌恶、恶心、疼痛和恐惧五种情绪对应的表情,还可以测量对应的情绪强度。研究人员进一步利用光学方法激活小鼠与情绪处理相关的脑区,并记录下单个神经元活动与同时刻的表情。结果显示,神经元活动强度和反应时间与表情一致,且每个神经元只与一种情绪相关。该研究证明了“情绪神经元”的存在,为研究动物模型中情绪的基本神经元机制开拓了新思路。相关研究成果发表于《科学》期刊。