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
415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。
    347浏览量
    原文链接

  • 《核聚变领域掀起人工智能应用热潮》
    • 来源专题：能源情报网监测服务平台
    • 编译者：郭楷模
    • 发布时间：2025-05-06
    • 随着人工智能（AI）加速向各行各业渗透，其在核聚变领域也掀起新一波科研与应用的探索热潮。 4月21日，一场“受控核聚变与人工智能技术”为主题的学术会议在河北廊坊举行。会议由中国核学会核聚变与等离子体物理分会主办，吸引学界和业界近200位头部尖端人才参加。 在三天时间里，上百位专家以主旨报告、墙报张贴的方式分享各分支板块对聚变领域人工智能研究的最新成果与经验，涉及AI在核聚变装置运行控制中的应用、受控核聚变的智能模拟、聚变装置数字化与智能化平台等多个前沿课题。 有专家在现场接受媒体采访时直言，在高温超导技术与人工智能的加持下，聚变研发正从“永远50年”进入“10—20年”窗口期，商业公司的高效运作可能进一步缩短时间。目前，业内开始倾向于形成一个新共识——最快在2035年，就有望看到聚变商业应用的曙光。 AI赋能作用开始显现 “近年来，AI在等离子体物理与可控核聚变研究领域展现出强大的赋能作用。深度学习、强化学习等前沿算法技术被引入，应用于等离体模型程序的加速计算、复杂物理现象的实时识别与预测，以及聚变装置智能化运行控制等场景，带来一系列令人鼓舞的技术突破。”核工业西南物理研究院（以下简称“西物院”）聚变科学所党委书记李永革在会上指出。 那么，AI究竟能为可控聚变带来哪些助力？ “等离子体的约束与控制是聚变的关键难题之一。”北京大学应用物理与技术研究中心特聘研究员康炜解释，在聚变研究中，等离子体需要控制的参数高达上百个，以前只能凭经验估计形成方案，难以支撑实时应用，但在引入AI后就能同时实现多参数的协调控制，并快速迭代优化设计，从而大大加速稳态控制实现的可能性。 2022年12月，美国国家点火装置NIF在AI助力下成功实现能量输出大于激光能量输入（能量增益Q>1）的可控核聚变反应突破，在理论上验证了核聚变商业化的可能性。2023年，普林斯顿大学研究人员利用美国DIII-D国家核聚变设施的实验数据，训练出一种人工智能模型，能够提前300毫秒预测被称为“撕裂模不稳定性”的聚变堆等离子体不稳定性，有效避免了因等离子体不稳定导致的核聚变反应中断。 在中国，研究人员发现，通过部署应用数据模拟器，可将聚变实验装置中生成一炮（核聚变实验的一次等离子体放电过程称为一炮——编者注）控制策略的耗时从数天压缩至0.5小时，这在中国环流三号上已得到验证。 《中国能源报》记者从会上获悉，中国环流三号先后与之江实验室、浙江大学、南开大学、北京大学开展人工智能相关的联合实验提案，以破裂预测、EFIT-NN为代表的人工智能模块已实现实验常态化运行。此外，新奥集团（以下简称“新奥”）则以数智球形环装置为载体，着眼于聚变反应堆从设计、建造到运行全生命周期的安全管理需求加速聚变研发，目前在聚变数据平台、数字孪生系统、智能控制方面取得一系列进展。 另外，AI还可以在聚变相关知识整理和积累方面发挥重要作用，让不同背景的人才能快速进入聚变领域。 “人工智能将引发聚变的研发范式产生巨变，从而加速聚变研发进程。”新奥能源研究院院长刘敏胜接受《中国能源报》记者采访时表示，目前新奥已开发聚变领域的大模型数据库，结合大模型技术进行应用，显著提高科研人员的学习效率；2024年，新奥在“玄龙-50U”装置上实现利用人工智能技术对等离子位形的控制，并基于神经算子方法，开发装置的数字孪生系统，多物理场耦合仿真的速度相较传统商业软件提高了4个量级。 可控核聚变按下加速键 从2022年NIF实现净能量增益，到今年1月托卡马克装置（如EAST）实现千秒级高约束模运行，再至今年3月中国环流三号首次突破电子、离子温度“双亿”摄氏度，以及近日“玄龙-50U”氢硼等离子体实现百万安培电流，一系列阶段性突破均表明，聚变的科学可行性将得到全面验证。 “NIF目前已实现约5倍的能量输出与激光能量输入比(Q=5)。”康炜表示，从这一点上看，可控核聚变已实现，下一步业界非常看好其商业化。 值得注意的是，近年来，全球范围内“国家队”之外的私人资本在聚变领域日渐活跃。有数据显示，近五年，全球私人资本在聚变领域的投入已超50亿美元，远超政府项目。截至2024年底，全球核聚变行业已集聚45家民营公司，2024年投入私营聚变公司的公共资金增长了50%以上。 多位专家一致认为，随着相关技术突破及资本涌入，可控核聚变商业化已按下加速键。 比如，新奥计划在2035年建成商业示范堆，而美国Helion、中国星环聚能则计划在更早的2030年前实现这一目标，远早于此前业内普遍期待的“2050年之后”。 在康炜看来，当下行业信心大增的原因有两个：一是在磁约束领域，近年来高温超导技术已开始逐渐大规模转向工业应用，极大降低磁体相关的设备制造成本，丰富了应用经验；二是人工智能的突然爆发，对聚变界形成极大推动。 从当前行业发展态势看，中国聚变界对于人工智能的关注度丝毫不亚于国际，近两年与之相关的项目正呈现多点开花、全面爆发之势。 “西物院在受控核聚变与人工智能的交叉领域已有15余项相关领域科研课题，在实验数据智能分析与预测，数据驱动的仿真建模，聚变装置智能化运行等方面形成了典型应用能力。”李永革说，“我们切实感受到人工智能技术为聚变领域注入的新活力。” “这两年，我们团队的科研项目经费每年都翻倍增长。”康炜亦坦言，“今后5—10年，聚变都将是一个非常火热的行业。在国际上没有技术代差的情况下，基于国内强大的产业链综合制造优势，相信最快实现聚变发电的装置一定在中国。” 生态融合有待加码 在聚变研究中，因为实验环境复杂，获取高质量、完整的数据面临诸多困难，这将对AI模型的训练效果和预测准确性产生极大影响。 “虽然目前人工智能在聚变实验数据的处理、控制、破裂预测等各分支领域都有广泛应用，但应用深度只处于起步阶段。”哈尔滨工业大学教授王晓钢指出，通过60多年的探索，我国在聚变领域已积累大量数据，为下一步人工智能的深度探索奠定了良好基础。“但在各单位都有数据保密要求的情况下，现在面临的最大挑战是数据共享。” 另一方面，AI和聚变都有各自的语言范式，若将AI应用于聚变研究，需要既懂AI又懂聚变的复合型人才，但目前这类人才全面缺乏，而且跨学科合作也面临诸多障碍。“在这种情况下，AI和聚变两方都必须以开放的心态去聆听、理解对方的语言，以此形成真正的交互。”新奥能源研究院聚变人工智能科学家赵寒月说。 “实际上，目前聚变仍处于以深度学习、强化学习为主的‘小模型’时代。”赵寒月指出，外部大模型技术的飞速发展，给聚变行业带来新机遇。“大模型可以通过建立行业的知识平台，达到know—what的程度，但在聚变研究中更需要的是解决实际问题，这就需要至少到know—how的程度。聚变大模型目前朝着这个方向探索，未来有望对加速聚变研发发挥出关键作用。” 赵寒月认为，聚变与人工智能两个尖端领域的交叉需要全行业共同参与。“在大模型领域，DeepSeek以开源方式战胜了闭源，获得爆发式增长。和大模型类似，聚变未来也应该是开放的，要把各种可能的能力、资源都融进来，以生态融合推动快速发展。聚变人工智能领域更应该这样，因为技术爆发太快，闭源就是固步自封。” 据了解，新奥目前与北京大学、南开大学等多家高校开展战略合作，成立了聚变智能联合实验室，致力于开展聚变物理与人工智能学科交叉研究，为行业培养高端后备人才，加速聚变技术突破。
    53浏览量
    原文链接