{"id":14274,"url":"\/distributions\/14274\/click?bit=1&hash=fadd1ae2f2e07e0dfe00a9cff0f1f56eecf48fb8ab0df0b0bfa4004b70b3f9e6","title":"\u0427\u0435\u043c \u043c\u0443\u0440\u0430\u0432\u044c\u0438\u043d\u044b\u0435 \u0434\u043e\u0440\u043e\u0436\u043a\u0438 \u043f\u043e\u043c\u043e\u0433\u0430\u044e\u0442 \u043f\u0440\u043e\u0433\u0440\u0430\u043c\u043c\u0438\u0441\u0442\u0430\u043c?","buttonText":"\u0423\u0437\u043d\u0430\u0442\u044c","imageUuid":"6fbf3884-3bcf-55d2-978b-295966d75ee2"}

В Москве определили лучших экспертов по анализу сейсмоданных

21 декабря в Москве завершилось уникальное международное соревнование для IT-специалистов Rosneft Seismic Challenge. В нем приняли участие 497 команд из 9 стран мира: России, США, Великобритании, Франции, Германии, ОАЭ, Казахстана, Белоруссии и Украины. Однако уникально оно не только своим охватом и количеством участников, но и задачей, которая была поставлена.

О задаче

Перед командами IT-специалистов поставили задачу проанализировать сейсмические данные, взятые из реальной практики нефтяной компании. Дело в том, что сейсморазведка в настоящий момент является основным методом обнаружения нефти и газа. В основе метода - возбуждение упругих колебаний, а затем регистрация отклика от горных пород. Эти колебания распространяются через толщу земли, преломляясь и отражаясь на границах геологических слоев с разными свойствами.

Если совсем просто: задача сформулирована максимально приближенно к популярным проектам машинного моделирования и связана с распознаванием изображений. Только вместо, например, котиков и собачек алгоритм должен максимально точно в автоматическом режиме распознавать нефтенесущие пласты.

Участникам необходимо было разработать и применить алгоритмы машинного обучения, которые справились бы с анализом больших объемов данных быстрее и эффективнее, чем это сделал бы специалист по сейсмике вручную. О том, насколько это непросто, говорит такой факт: уже во втором туре из 497 команд остались лишь 40. В дальнейшем, в результате острой конкурентной борьбы, до финала добрались 10 команд, каждая из которых представила презентацию со своим решением.

Лидеры конкурса

Победителем стала московская команда "ZFTurbo". Ее лидер - ведущий научный сотрудник Института проблем проектирования в микроэлектронике РАН Роман Соловьев.

Второе место в конкурсе занял Леонид Матюшин из Научно-учебной лаборатории методов анализа больших данных ВШЭ, а третье место жюри присудило Артему Воронову из ПАО "Аптечная сеть 36,6".

По словам Романа Соловьева, конкуренция была столь высокой, что периодически "ZFTurbo" много раз на протяжении соревнования обгоняли другие конкурсанты. Впрочем, сказал он, из этого команда тоже извлекла пользу.

Авторитетное жюри

Победителей определило жюри, в состав которого вошли представители университетов МГУ и ИТМО (Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики), а также многократные победители международных чемпионатов по анализу данных.

Члены жюри не скупились на похвалы финалистам. По словам Станислава Семенова, эксперта в области машинного обучения и анализа данных, уровень участников был очень высокий, и каждый показал интересный подход к решению задачи.

Организаторы

Организатором мероприятия стал «РН-БашНИПИнефть» — один из научных институтов НК «Роснефть», реализующий разработку наукоемкого программного обеспечения.

Интересно, что организаторы конкурса намерены применять решения финалистов соревнования в своей работе. Как прокомментировал Тимофей Загуренко, директор по информационным технологиям "РН-БашНИПИнефть", компания уже сейчас смотрит исходные коды и алгоритмы и думает, как они будут дорабатываться и встраиваться в ПО.

Заместитель генерального директора по геологии и разработке "РН-БашНИПИнефть" Иван Кузин подчеркнул, что проделанная работа важна, поскольку она фактически определяет будущее российской нефтяной отрасли.

0
Комментарии
-3 комментариев
Раскрывать всегда