Искусственный интеллект начнёт строить карты месторождений вместо геологов

Российские учёные из Кольского научного центра Российской академии наук разработали метод автоматического трёхмерного картирования месторождений полезных ископаемых. Это позволит геологам точнее планировать разработку месторождений и увеличит количество извлекаемых полезных компонентов.

"Воззрения геолога, а именно научная школа, к которой он принадлежит, очень сильно влияют на то, как он описывает месторождение. Существуют международные классификации для отдельных пород, но при полевых исследованиях учёные картируют горизонты, пачки, слои, толщи, которые являются уже комплексами пород. А как выделить комплекс — это воля художника", — рассказывает первый автор статьи кандидат геолого-минералогических наук Андрей Калашников.

По его словам, на одной территории, для одних и тех же пород могут быть выделены разные пачки. "И чтобы совместить выделенные разными людьми комплексы пород, иногда необходимо проводить дополнительные исследования. Предложенная методика позволит преодолеть эту субъективность", — говорит учёный.

Учёные подробно исследовали химический и минеральный состав фоскоритовых руд из Ковдорского массива (Мурманская область). Фоскорит — глубинная порода, минералы которой являются источником железа, циркония и фосфора. Например, из минерала магнетита получают железную руду, из бадделеита извлекают цирконий, а из апатита — фосфор. Специалисты исследовали химический состав 550 образцов фоскоритов, которые были получены при бурении Ковдорского месторождения.

Авторы работы предложили четыре способа определения минерального состава породы по результатам химических анализов. Это означает, что можно выяснить, из каких минералов — рудных и нерудных — состоит горная порода, зная только её химический (валовый) состав.

Первоначально исследователи рассчитали состав пород без примесей. Вторым способом расчёта распространения минералов был учёт влияния нескольких независимых параметров на распространение каждого минерала (множественная линейная регрессия).

Третий метод предсказания минерального состава основан на определении типа породы по химическому составу с помощью искусственной обучающейся нейронной сети. Для обучения использовали партию образцов, 30% из которых имели известный состав и являлись тестовыми и проверочными. В расчётах использовали несколько функций, из которых выбрали наиболее подходящую, сравнив полученные результаты с геологическими данными.

Четвёртым способом стала логическая схема оценки типов породы. Это своего рода контролируемое обучение или "распознавание образов", которое происходит под руководством человека. В зависимости от химического состава пород их последовательно делят на группы по минеральному составу. Для всех расчётов учёным достаточно мощного персонального компьютера.

Авторы сравнили все четыре способа расчёта минерального состава и построили трёхмерные карты распространения типов фоскоритов, сопоставив их с описаниями пород, предоставленными геологической службой Ковдорского горно-обогатительного комбината. Оказалось, что прогнозы расположения пород, полученные методом расчёта состава без примесей и методом учёта нескольких параметров (первый и второй способы), не соответствовали геологическим данным о взаимоотношениях пород. Таким образом, учёные доказали, что эти методы нецелесообразно использовать.

А вот трёхмерные карты, полученные при работе с обучающейся нейросетью и логической оценкой типов породы, хорошо сходятся с данными геологической службы. По мнению учёных, эти методы помогут достаточно быстро создавать более точные, унифицированные модели месторождений. При этом на созданные карты не будет влиять "человеческий фактор": существующие и порой противоречащие друг другу научные концепции о происхождении объекта, а также выделение разного количества типов пород разными геологами.

Полученная на основании имеющихся результатов трёхмерная карта Ковдорского месторождения является базисом для геометаллургической модели месторождения и позволит улучшить качество добываемой руды, а также извлекать другие полезные элементы, например, скандий. В дальнейшем исследователи из Кольского научного центра планируют применить новые подходы для Ловозерского месторождения (Мурманская область) и Большетроицкого железорудного месторождения (Белгородская область).

Помимо практического применения и улучшения качества добываемой руды, построение достоверных моделей геологических объектов поможет ответить на фундаментальные научные вопросы.

"Точные модели месторождений позволят лучше понять их происхождение, а значит, приблизят нас к пониманию работы всей системы "планета Земля"", — заключает Андрей Калашников.

Результаты работы учёных опубликованы в журнале Scientific Reports и представлены на юбилейном съезде Российского минералогического общества "200 лет РМО".

Добавим, что искусственный интеллект также научился точно прогнозировать землетрясения. Ранее мы рассказывали, что нейросети облегчают работу многим специалистам — медикам, биологам, астрономам, фермерам и даже кулинарам.