登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《PNAS：人工智能的先验约束在解决勘探地球物理问题中的应用》

  • 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： liguiju
  • 发布时间：2023-09-17

  • 6月1日，中国科学技术大学伍新明教授与北京大学马坚伟教授合作，提出了三种对深度神经网络（DNN）施加领域知识约束的策略，以帮助应对深度学习方法在加速和简化地球物理地下表征过程的泛化性差、可解释性弱和物理不一致等问题。一是通过地质和地球物理正演建模生成合成训练数据集，并将先验知识适当编码输入到DNN的一部分，将约束集成到数据中。二是在DNN架构中设计不可训练的物理运算符和预条件自定义层，以修改或塑造网络内计算的特征图，使其与先验知识一致。三是将先验地质信息和地球物理定律作为训练DNN的损失函数的正则化项。论文详细讨论了这些策略的实施，并通过将它们应用于地球物理数据处理、成像、解释和地下模型构建来证明它们的有效性。这项研究首次对地球物理领域数据进行标注并形成训练数据集，将进一步完善和推动DNN在地震学、大气科学以及行星和空间科学的应用。（熊萍 编译）

  • 原文来源：https://www.pnas.org/doi/10.1073/pnas.2219573120
476浏览量
原文链接
相关报告

  • 《人工智能引擎掀起油气勘探开发新革命》
    • 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：2019-12-11
    • 近年来，我国对油气的需求不断攀升。统计数据显示，2018年我国石油净进口量为4.4亿吨，原油对外依存度达到70.9%。为了加大油气供应，国内石油企业加大了石油勘探力度，提出了更高的要求，这对勘探开发领域带来了前所未有的压力。一方面，勘探难度越来越大，我国已探明石油储量中低渗、超低渗储量占70%，已开发油田综合含水率达89.35%，原油储量和产量的提升面临巨大压力;另一方面，石油生产成本居高不下，企业效益难以控制。此外，生态环境保护和绿色发展对石油开发提出了新的挑战。 那么，如何消除勘探痛点，将蕴藏在地下的更多油气资源开采出来，以满足国家日益增长的能源需求?国内外专家研究认为，人工智能是解决石油勘探开发业务面临的一系列难题的技术和途径。人工智能技术正在给勘探开发领域带来颠覆性变革。 石油勘探领域的颠覆性变革 近几年来，国内外越来越多的石油企业选择拥抱人工智能，或自主研发，或与IT巨头联手，加大人工智能等新一代信息技术在勘探开发领域的应用，试图通过新技术的应用，促进企业数字化转型。而在此过程中，不同石油公司的智能化水平差距正在不断拉大。 国内方面，中国石油将包括认知计算平台在内的华为云工业智能体新技术引入生产实践，用知识图谱、自然语言处理和机器学习等人工智能技术进行知识体系的构建、计算和应用，为油气勘探开发科研、生产管理提供智能化分析手段，支撑油气勘探开发增储上产和降本增效，帮助决策者从海量的数据中洞悉规律，来提升效率和管理水平。 2019年1月4日，中国海油旗下海油发展工程技术分公司成功开发了中国海油在勘探开发领域的人工智能应用。该款具有自主知识产权的人工智能软件，可以基于储层、裂缝、流体、压裂改造等属性描述的大数据，建立全空间模型，自主向测试的产能数值进行深度学习，并预测三维空间产能指数。 国际方面，2016年，埃克森美孚宣布与麻省理工学院合作设计用于海洋勘探的人工智能机器人。该机器人具有自学能力，能够在艰苦条件下自主操作，并能按自身意愿改变任务参数，探测异常的情况。 2018年4月24日，法国油气巨头道达尔宣布同谷歌云签署协议，联合发展人工智能技术，为油气勘探开发提供全新智能解决方案。根据道达尔，人工智能将率先应用于油气勘探开发地质数据的处理分析。 石油巨头壳牌已经逐步结束了石油智能化的尝试期，转而迈进了推广期，将大规模普及石油人工智能。2018年9月20日，石油巨头壳牌宣布将和微软公司扩大合作，在石油行业大规模推行人工智能的应用，AI覆盖领域包括油气钻井、油气生产、加油站零售、财务管理、员工管理等。 英国石油公司BP通过投资人工智能，加强其在上游业务中的人工智能化和数字化。2019年1月，BP投资了总部位于休斯顿的技术初创公司BelmontTechnology，开发一个名为“Sandy”的人工智能助理。Sandy可以自动将BP专家提供的地质学、地球物理学、油藏和历史项目信息结合在一起，创建出BP整个地下资产知识图，供BP的工程师查询数据、提问并快速得到答案。 意大利石油巨头埃尼于2019年5月公布了和IBM联合开展的AI研究成果“认知发现”，为埃尼在勘探阶段初期的决策提供支持，以减少勘探与地质复杂性可能导致的潜在风险。 国内勘探开发新模式需要智能引擎 人工智能和各行业结合是一个长期的过程，原因是存在一系列的门槛和限制，在人工智能技术和国内石油勘探领域结合过程中，面临五大门槛： 第一：“限”数据不能出局，数据共享不方便; 第二：“专”油气勘探开发领域是多学科，知识密集型行业，大量行业知识在老专家的脑中，行业和AI结合是人工智能在领域应用的关键; 第三：“慢”，AI开发效率低，标注、训练、部署整个过程非常耗时; 第四：“贵”，AI基础资源，尤其是算力稀缺且昂贵; 第五：“缺”，AI人才的短缺，中国的AI人才缺口就超过500万人。 针对以上五大门槛，构建油气勘探领域人工智能专有平台是AI推广的一个必然选择。这个平台应该具备以下特点： 1) 自建人工平台提供算力和算法预装解决数据不出局的问题; 2)具备快速构建行业知识图谱的流水线打造专家助手，提升专家效率; 3)构建平民化的油气行业人工智能开发平台提升普及率，提升开发效率; 4)采用开放的硬件架构，采用AI专用训练芯片，解决传统AI训练GPU贵的问题。 5)具备行业油气人工智能算法模型的市场，构建行业生态，解决人才短缺问题。 以中国石油为例，中国石油正携手华为联合打造了勘探开发的认知计算平台，该平台是基于华为云AI技术的通用开放可扩展的人工智能计算平台，按照平台和场景两个关键因素进行设计，从数据处理、机器学习，到模型发布、推理应用，是可提供一站式AI开发环境和知识图谱流水线工具的平台。 据了解，人工智能计算平台是中国石油“共享中国石油”信息化战略发展规划的落地举措。该平台的建成应用，为勘探开发业务的创新提供了智能化的驱动引擎和开发生态，实现了勘探开发知识的固化、传承和普惠。 中国石油勘探开发研究院计算机应用技术研究所所长龚仁彬在2019华为全联接大会(HUAWEICONNECT2019)上表示，认知计算平台已经在测井油气层识别和抽油机井工况诊断两个场景进行应用，实现了测井油气层智能识别和抽油机井工况自动诊断。 例如，在石油勘探的“测井”环节，有祖国东部“石油小摇篮”之称的中国石油大港油田，借助认知计算平台对900口油井进行机器学习，实现了油气水层位的智能识别，识别评价时间缩短了70%，识别的准确率达到测井解释专家水平。更重要的是，通过知识图谱的建设与应用，从业门槛明显降低，专家知识得到有效传承，普通专家可承担资深专家的职责，工作效率明显提高。 而在油气生产领域，中国石油借助人工智能计算平台，通过采用物联网技术和机器学习方法，实现了油井工况的定量诊断和远程实时在线管理，预测异常工况的准确率达到90%以上，油田管理实现了从事后诊断升级为事前预警，减少了作业维护费用20%。 中国石油青海油田8个采油厂通过生产现场的远程管理实现了无人值守，将管理重心从荒凉的油田现场后移至油田管理基地，一年之内搬迁现场管理人员700余人，一线员工转岗800余人，极大降低了油田的生产成本，有效提高了油田的管理水平。 龚仁彬表示，认知计算平台有助于中国石油与华为共同跨越油气行业AI商用裂谷。借助认知计算平台，中国石油正在与华为共同建设一个覆盖勘探开发全专业的知识图谱。“这是一个可不断完善并自动生长的工程，必将给石油勘探开发业务带来颠覆性的技术变革。” 目前，中国石油已经完成了智能油田建设的规划设计，在勘探开发领域优选了22个场景开展人工智能探索，“智能应用的种子已经开始发芽，期待中的参天大树指日可待。”龚仁彬表示，中国石油未来将继续携手华为，不断完善认知计算平台的建设，进一步推动石油勘探开发业务的转型升级。 认知计算平台助力“梦想云”放飞上游业务智能化梦想 对于中国石油来说，勘探开发认知计算平台还是——“勘探开发梦想云平台”(简称“梦想云”)的智慧引擎。 2019年11月27日，中国石油勘探开发梦想云2.0发布，这是中国油气行业第一个智能云平台——中国石油勘探开发梦想云平台。在各行各业“云技术”方兴未艾之时，被认为在人工智能数字化进程上慢半拍的油气行业，这次通过认知计算平台对梦想云的加持，跟上了节奏，进行了彻底的自我革新。 改变刚刚开始 打造行业人工智能平台赋予行业云平台智能化的能力，可解决石油勘探开发领域的六大痛点，未来必将广泛应用于石油勘探领域。而从全球范围来看，石油行业广泛看好人工智能(AI)的前景，视AI为“推动石油行业走向新台阶的关键数字技术之一”、“油气勘探的下一场革命”。 随着全球石油行业进入新常态，人工智能在勘探领域的应用将更深更广。下一个十年，AI将助推石油工业加快进入智能新时代，彻底颠覆石油工业的思维和运营模式，重塑整个行业。对于我国石油企业来讲，AI是提高企业竞争力、打造国际一流综合性国际能源公司的必要手段;而对于IT/ICT企业来说，有责任通过AI从技术层面上促进石油勘探开发行业整体的转型升级，从而助力我国石油勘探开发实现从跟跑到并跑、最终领跑全球的转变。
    407浏览量
    原文链接

  • 《人工智能助力生物识别精准化》
    • 来源专题：光电情报网信息监测服务平台
    • 编译者：husisi
    • 发布时间：2020-05-26
    • “你是谁？”在当今社会，无处不在的身份识别场景在无声发问。进小区门，要问你是业主本人吗？进家门，要扭动匹配的钥匙或按下指纹；开电脑工作，弹出密码输入弹窗。每个人都是独立的个体，我们能否使用唯一特性与外界建立联系？唯一意味着安全，也意味着核实更方便准确，就像我们的身份证，上面有唯一的数字编码。 与此同时，数字化时代，我们与机器的互动，从敲键盘一步跨向手指点击滑动、开口对话、抬起头、眨眨眼，远隔千里的人们能便捷地沟通交流、能跨省跨国网上办事，但客观上无法实现“亲眼所见”，也给建立“信任”关系带来新的挑战。 人工智能技术的发展，针对数字社会人与人之间、人与机器之间如何建立“信任”关系，提供了一个很好的技术解决手段，即生物识别技术。你用什么方式证明自己？怎样才能定义这世界独一无二的你？设备的进化中，谁在保证个人使用的安全性？无接触生活的背后都是技术在化解复杂，生物识别技术的研究，正是希望解决这些问题。 1.生物识别是数字社会的重要基础 无论处于哪个社会经济发展阶段，“人”始终是最重要的核心要素。人类作为群居动物，在地球上有人类的时刻，“信任”的需求就应运而生，通过视觉“亲眼所见”、听觉“亲耳所闻”等辨别同伴建立信任关系，这种最原始的通过“亲眼所见”等手段建立“信任”的方式也将伴随人类一直延续下去。 数字化世界，需要迭代新的信任交互，生物识别技术是技术发展演进到一定阶段的必然产物，也是一种新型数字身份的基础设施。它基于个体生物特征进行自动识别的一种技术，结合计算机与光学、声学、生物传感器和生物统计学原理等，依靠人体的生理特征或者行为特征来进行身份验证的识别，是当前人工智能技术和信息安全技术在工业界落地应用最显著的代表性成果之一。 所谓生物特征包括人脸、指纹、声纹、虹膜、指静脉、体温等，行为特征则记录签名笔迹、行走步态、坐姿等。这些生物特征各有特点，比如每个人的静脉血管都不是一样的，血管也足够多，因此它的信息唯一、丰富，几乎不能被复制；而一个人随着年龄增长和一些突发情况，行为特征比如走路姿态可能会发生变化，可以理解为特征信息稳定性不那么强。 唯一的、稳定的生物特征就具备理论上的安全基础，我们将它们进一步结合形成有效技术手段，同时采用多种方式来确保它准确、高效就像使用身份证确认“你就是你”。 作为一种身份认证方式，目前生物识别技术已经在金融、教育、司法、医疗、社会治理等行业都有了广泛应用，它需要满足不同场景、行业要求和不断变化演进的业务需求。它将迅速成为数字经济社会的重要信息基础设施之一。 2.生物识别开始出现大规模技术创新 从技术上来说，传统生物识别技术在鲁棒性、准确性以及抗攻击能力等方面，近年来都有大幅提升。比如突破2D人脸存在景深数据丢失的局限性，3D人脸识别技术因其具有更强的描述能力开始在高准确性应用中逐渐增多；在3D识别的基础上人脸活体检测的新技术也进一步被采用；防止人脸数据库被盗库的识别技术也已被提出；指纹识别则开始引入基于手指皮肤颜色和的脉搏心率信号的活体检验，用于防止被仿生导电材料做成的假手指攻击；声纹识别可结合使用电磁场检测，来判断声源为真人还是扬声器等。 另一方面，考虑到应用场景的不同需求：持续认证、移动设备上识别、个人隐私保护等，新型生物识别技术也是应需而生。比如，浙江大学网络空间安全团队针对持续认证，开发了“心脏密码”系统通过不间断用生物雷达的无线信号来感知心脏运动，实现了易用性高的非接触式可持续认证；针对移动设备上的生物识别，利用设备内置摄像头捕捉到的眼球运动，智能手环上测量到的心电图，以及虚拟现实头罩测量到的眼电图和脑电波都相应的实现了可靠的生物识别；针对生物识别中的个人隐私保护，采用无线信号成像来代替摄像头，既避免了摄像头受视角和阻挡等条件的限制，更消除了直接获取图像的隐私泄露风险。 另外，正如每种生物特征各有特点，在充分考虑各种攻击场景下，任何单一生物识别技术往往都呈现出特定的优势和局限。每个模态都具有不同的数据安全程度、采集适应场景、隐私敏感度等，因此解决方案并不能通过单一技术完全达成。 多模态多因子生物识别技术融合因此非常重要。比如夜晚光照不理想，人像识别率低，结合红外成像和热成像的跨模态互补就能增强人像识别的准确度。像是蚂蚁金服多模态融合人脸识别技术实现用户的精准识别，满足金融级误识率（低至千万分之一误识率）下，大大超出了单模态人脸识别技术能达到的性能瓶颈，并提升了人脸识别的安全性。同时，还充分利用移动设备的芯片级安全能力，经过与产业链多方的合作，构造了基于TEE（可信执行环境）的全链路安全协议，为生物支付提供了强有力的安全保障。此外，通过风险感知模块检测黑产攻击，风控引擎自动更新风险模型，风险拦截效率大幅提升，充分保证了交易安全。 未来生物识别技术的趋势便是如此，将会从传统的只提取人体生理特征，向人、物理世界、数字世界融合的认证方向发展。生物识别技术将在和环境特征、数字凭证相结合，满足时空关联、多模态多因子融合的基础上完全实现可信认证。 3.“生物识别”“多模态融合”作为主流研究方向形成标准化的应用共识 从实验室走向产业商用，从模型走向安全产品，靠的是持续生物识别技术迭代和多重技术算法的保障，尤其引起我们关注的是“安全和隐私保护”。 基于这一点，去年，浙江大学和蚂蚁金服联合成立了数据安全与隐私保护实验室，汇集了双方创新力量和优势资源，产学研联合推进前沿科技研究，提升国内生物识别行业安全技术水平。 目前针对人脸数据脱敏、不可逆、可更新、加密等做了大量研究，给生物识别信息保护提供可行的安全技术解决方案。部分安全技术已经转化应用到蚂蚁金服人脸识别技术上，支撑大量金融级安全应用。 在生物识别技术突破最多的是人脸识别，即在图像特征抽取和人脸比对环节中取得了很大进展。但从实验室之外的实际场景应用模拟发现，其影响因素很多。从全链路的角度来看，活体检测、人脸交互、关键点定位、人脸跟踪等在真实的场景下，特别是不同的手机、环境、用户背景等条件下，想做到非常好并且稳定的用户体验是很难的。我们对此进行了很多特殊的优化，如使算法在不同的手机上达到比较一致的运算速度、响应时间，通过文案设计提高用户对刷脸的感知和理解，适应用户背景（如光线、角度等），分析基于其他传感器数据的反馈等。同时企业根据自身业务的不断发展，向学术界持续反馈新的需求，也反过来促进了联合实验室在新技术前沿开拓的方向感和紧迫感，产学研联动形成良性闭环发展。 基于我们共同进行的大量研究、实践积累，近期企业已在IEEE成立“移动设备生物特征识别”标准工作组，并立项“生物特征识别多模态融合”IEEE国际标准。这也是中国企业首次在国际标准中，提出移动设备多模态融合技术的实现框架、功能要求、性能要求、安全要求等。这意味着，“生物识别”、“多模态融合”作为主流研究方向将形成标准化的应用共识。这也是一项技术脱离实验室踏上商用之路的重要一步，有利于推动行业平均技术发展水平。而国际标准是国际规则和共识重要通用载体，对整个行业良性发展至关重要，也是具备技术实力的中国企业必须具备发言权之处。毫无疑问，高校和企业在生物识别这类国际前沿技术及标准上的探索，是中国科技布局眼光、研究能力、科学严谨性的综合体现。它同样预示着，中国企业在人工智能技术领域的国际竞争进入新阶段——从产品出海到技术走出去，如今又向输出全球标准迈进。
    615浏览量
    原文链接