ИИ в нефтянке: нейросеть МФТИ ускорит поиск и добычу сырья

Ученые МФТИ и Тюменского нефтяного научного центра разработали нейросеть, предсказывающую физические свойства нефти с точностью до 90%. Технология заменяет многомесячные лабораторные исследования цифровым моделированием, что позволяет компаниям быстрее подбирать параметры для повышения нефтеотдачи пластов.

Исследователи научили алгоритмы определять межфазное натяжение между нефтью и соленой водой — критический показатель, от которого зависит скорость извлечения сырья. Раньше погрешность существующих теорий достигала 40%, что вынуждало нефтяников проводить дорогостоящие и длительные эксперименты. Новая ИИ-модель сокращает этот путь, позволяя заранее рассчитать оптимальную соленость воды и состав газов для закачки в скважину.

Суперкомпьютерные расчеты и точность прогноза

Для обучения системы физики использовали мощности суперкомпьютеров МФТИ и РАН. В основу легли данные о 17 типах углеводородов, характерных для российских месторождений — от легких алканов до тяжелых асфальтенов. По словам исполнительного директора Центра вычислительной физики МФТИ Николая Кондратюка, модель воспроизводит условия внутри пласта, которые почти невозможно создать в лаборатории. Это критически важно для технологий закачки углекислого газа, где точность прогноза вытеснения нефти определяет рентабельность проекта.

Средняя ошибка нейросети составила всего 0,9% по сравнению со сложнейшими молекулярными расчетами. Это позволило интегрировать решение в программный комплекс «РН-Цифровой керн». Как сообщил старший научный сотрудник центра Илья Копаничук, в 2026 году прототип уже успешно протестировали на данных нефти марки «Аген». В планах разработчиков — адаптировать систему для работы с тяжелыми сортами нефти и исследования процессов в наноразмерных менисках горных пород.