В НГУ используют нейросеть для создания катализатора, превращающего тяжелую нефть в легкую

Большинство используемых в промышленности и быту углеводородов получают из легкой нефти. Однако в последние годы все чаще встает вопрос о поиске методов обработки тяжелой нефти, поскольку запасы легкой истощаются. Научно-образовательный центр «Машинное обучение и анализ больших данных» Новосибирского государственного университета разработал 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.

Окунев.jpg
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.

Матвеев.jpg
Андрей Матвеев
Заведующий Лабораторией глубокого машинного обучения в физических методах ВКИ НГУ, кандидат химических наук
Использование чат-бота в области материаловедения, медицины, изучения полупроводников и катализа позволит, с одной стороны, оперативно получить качественные статистические данные о частицах (размеры, плотность размещения, площадь поверхности и т.д.), с другой – оптимизировать работу научных сотрудников за счет сокращения времени на обработку каждого материала. В перспективе применение усовершенствованных методов анализа сможет обеспечить российские предприятия экономически выгодными технологиями для соответствия мировым экологическим стандартам, что особенно важно в контексте общемирового тренда по декарбонизации экономики.

Разработка получила поддержу Министерства науки и высшего образования РФ и освещена на сайте Года науки и технологий.

В НГУ разработали сервис для распознавания и автоматического подсчета наночастиц 001.jpg
В НГУ разработали сервис для распознавания и автоматического подсчета наночастиц 002.jpg

Исходное изображение полистирольных частиц в масштабе 120 х 98 мкм, полученное методом оптической микроскопии; контуры частиц, распознанные нейронной сетью.

Подробнее о разработке – в видео с Алексеем Окуневым.