Нейросеть за секунды узнаёт упругость пористых пород ✛ ✦

Оригинал: "A convolutional neural network surrogate for hierarchical homogenization: fast elastic moduli prediction of digital rocks"
arXiv:2606.25275 · 2026-06-24 · CC BY 4.0 · 1 мин
Крошечная нейросеть мгновенно оценивает упругость камня, экономя часы суперкомпьютерных расчётов.

Мы хотим узнать упругость пористой горной породы. Раньше для этого требовались суперкомпьютеры и часы сложных вычислений. Теперь метод прост: делают трёхмерный рентгеновский снимок образца, нарезают его на тысячи микроскопических кубиков, и нейросеть мгновенно определяет упругость каждого. Сложив результаты, получают характеристику всего камня — подобно тому, как, нажав на один участок пружинного матраса, вы понимаете его общую жёсткость. В основе лежит закон Гука и работы Коши по упругости.

Упругость каждого кубика ограничена природой: самые мягкие поры и самый твёрдый минерал задают рамки, словно белые карлики не могут превысить критическую массу.

Нейросеть обучили на данных о том, как разные минералы поглощают рентгеновские лучи, и теперь она угадывает свойства за доли секунды. Вся программа занимает меньше памяти, чем мобильная игра (около 57 миллионов параметров), но заменяет часы суперкомпьютера.

Такой подход — сборка целого из частей — перекликается с идеями из других областей: от поиска тёмной материи по гравитационному линзированию до описания мира через квантовые поля и искривлённое пространство-время.

Нейросеть занимает меньше памяти, чем многие мобильные игры (всего 57 млн параметров), но заменяет часы работы суперкомпьютера.

Эта технология приближает создание цифровых двойников земных недр — как в фильме «Матрица», только для геологических пластов.

K_V = \frac{1}{9} \left( C_{11} + C_{22} + C_{33} + 2(C_{12} + C_{13} + C_{23}) \right)
Вычисляет эффективный модуль объёмного сжатия из компонент тензора жесткости в предположении изотропии и однородной деформации.
Учёные
Erwin SchrödingerHugh Everett IIIAndrey Markov
Понятия
свёрточные нейронные сети визуализация кристаллов с помощью нейронных сетей ускорение молекулярной динамики анализ медицинских изображений