В НГУ используют нейросеть для создания катализатора, превращающего тяжелую нефть в легкую
2021-11-23 11:23
Как сообщает пресс-служба Новосибирского государственного университета (НГУ), его ученые использовали нейронную сеть для оптимизации состава катализатора, превращающего тяжелую нефть в легкую.
На сегодняшний день, большинство используемых в промышленности и быту углеводородов получают из легкой нефти, однако в последние годы в связи с истощением запасов легкой нефти мировое экспертное сообщество активно занимается поиском новых возможностей переработки и использования тяжелой нефти. Ученые научно-образовательного центра «Машинное обучение и анализ больших данных» Новосибирского государственного университета разработали Telegram-бот Nanoparticles для сканирования и анализа микроскопических изображений, который научная группа из Института катализа им. Г. К. Борескова СО РАН использует для создания катализатора, превращающего тяжелую нефть в легкую.
«Ученые, занимающиеся темплатным синтезом, используют наш сервис для подбора оптимальной концентрации и размеров полимерных шариков, используемых при синтезе катализатора переработки тяжелой нефти. Если полости, оставшиеся после выгорания полимерных шариков при нагревании катализатора, окажутся слишком маленькими, длинные молекулы углеводорода не смогут встроиться и вступить в реакцию с активным компонентом – платиной. Если же, наоборот, пространства будет слишком много, химическая реакция по расщеплению молекулы будет протекать медленнее. Nanoparticles позволяет делать оперативные замеры размеров шариков с точностью и скоростью, недоступной для ручных методов. Это достигается за счет того, что нейросеть за несколько секунд анализирует изображение целиком, находит и оцифровывает тысячи объектов. В то время как человек за то же время успевает измерить не более одной частицы» - пояснил Алексей Окунев, директор Высшего колледжа информатики НГУ, кандидат химических наук.
Новый сервис анализа микроскопических изображений Nanoparticles отличается от web-версии ParticlesNN тем, что позволяет пользователю самостоятельно обучать нейросеть, загружая в базу фотографии необходимых объектов. При этом для обучения нет необходимости размечать на исходных изображениях сотни, а то и тысячи частиц, как это было при классическом подходе анализа фотографий: достаточно указать небольшой кроп (область фотографии, используемую для обучения сети) и обозначить в нем очертания интересующих исследователя объектов.
«Сейчас многие компании используют чат-боты. Это проще, потому что Telegram, Viber и другие платформы уже почувствовали потребности и разработали множество разных сервисов, и каналы – это готовый для использования интерфейс. Для обучения нейросети мы работали с группой исследователей из Института катализа, использующей сканирующую туннельную микроскопию, а также с коллегами из Института цитологии и генетики СО РАН. Сейчас добавилась исследователи из Института катализа, которые работают с просвечивающей электронной, сканирующей электронной и оптической микроскопией» - добавил Андрей Матвеев, заведующий Лабораторией глубокого машинного обучения в физических методах ВКИ НГУ, кандидат химических наук.
«Сейчас многие компании используют чат-боты. Это проще, потому что Telegram, Viber и другие платформы уже почувствовали потребности и разработали множество разных сервисов, и каналы – это готовый для использования интерфейс. Для обучения нейросети мы работали с группой исследователей из Института катализа, использующей сканирующую туннельную микроскопию, а также с коллегами из Института цитологии и генетики СО РАН. Сейчас добавилась исследователи из Института катализа, которые работают с просвечивающей электронной, сканирующей электронной и оптической микроскопией» - добавил Андрей Матвеев, заведующий Лабораторией глубокого машинного обучения в физических методах ВКИ НГУ, кандидат химических наук.
Разработка уже получила поддержу Министерства науки и высшего образования РФ.