Искусственный интеллект становится полноценным элементом науки. На стыке химии, больших данных и машинного обучения формируется новая ДНК научного поиска и возможностей для масштабирования полученных технологий в нефтехимии. Из каких элементов состоит эта система — разберем на практике целой отрасли.
Любые разработки исторически опираются на эксперимент: гипотеза — серия испытаний — корректировка — новая серия. Подобная цепочка требует времени и ресурсов. Если рассматривать процесс разработки нового материала или нового продукта малотоннажной химии, необходимого для производства полимера, или новой технологии, то рецептура полимера включает десятки переменных, а итоговые свойства зависят от их сочетания. Но к 2026 году значительная часть этой работы переносится в цифровую среду.
От эмпирики к управляемому проектированию
Модели машинного обучения позволяют оценивать свойства материала до начала синтеза (процесса получения нового вещества путем объединения более простых компонентов или изменения структуры уже существующих). Решения принимаются на основе накопленных экспериментальных данных, параметров технологических режимов и массивов информации, формирующихся по всей производственной цепи и до тестирования готовых изделий.
В научном центре «СИБУР Инновации» инструменты ИИ применяются для обработки экспериментальных данных. По отдельным направлениям это позволило ускорить аналитические испытания в 7 раз.
Внедрена система искусственного интеллекта SIAMS для распознавания и классификации объектов на изображениях микроскопии, чтобы автоматизировать анализ изображений, полученных с помощью оптических и электронных микроскопов. Такая система позволяет решать задачи поиска и сегментации объектов на изображении для последующего количественного анализа.
Источник: hi-tech.mail.ru