Новая нейросеть, названная в честь советского геохимика Д. С. Коржинского, может изменить экономику геологоразведки в России.
Группа исследователей под руководством Бориса Крюка представила Korzhinskii-Net — систему прогнозирования рудоносности, объединяющую машинное обучение с физикой подземных процессов. Работа размещена на arXiv, программный код открыт.
Почему это важно для России
Минерально-сырьевой комплекс — одна из опор российской экономики. От эффективности поиска месторождений зависят бюджетные поступления, развитие арктических и сибирских регионов и технологический суверенитет страны в области стратегического сырья: никеля, меди, металлов платиновой группы, золота и алмазов.
Применяемые сегодня цифровые модели опираются на поверхностные геохимические и дистанционные признаки, игнорируя физику формирования рудных тел на глубине. Korzhinskii-Net устраняет этот разрыв.
Суть метода
Модель — двумерная радиальная физически-информированная нейронная сеть (PINN). Она одновременно решает уравнения фильтрации Дарси, адвективно-диффузионного переноса тепла и кинетики осаждения рудных компонентов в едином дифференцируемом расчёте, согласуемом с данными дистанционного зондирования.
Сеть названа в честь Дмитрия Сергеевича Коржинского (1899–1985), чья теория инфильтрационного метасоматоза легла в основу модели и остаётся одним из крупнейших вкладов российской науки в мировую геохимию.
Результаты
Korzhinskii-Net испытана на пяти ключевых провинциях: Норильск (Ni-Cu-ЭПГ), Печенга (Ni-Cu сульфиды), Удокан (медистые песчаники), Сухой Лог (орогенное золото) и Мирный (кимберлитовые алмазы).
При пятикратной кросс-валидации с контролем утечек данных модель достигла среднего PR-AUC 0,885 против 0,281 у градиентного бустинга — лучшего классического метода. Средний относительный ранг локализации — 0,019 против 0,413: точность выявления перспективных участков выросла более чем на порядок. Результат стабилен в пяти регионах страны и четырёх типах сырья.
Преимущества подхода
Ключевая особенность Korzhinskii-Net — способность работать на открытых глобальных данных, без доступа к закрытым ведомственным архивам. Это снимает барьер для применения в малоизученных районах, где плотность исторических наблюдений низка, а стоимость традиционной разведки высока. Физическая основа модели обеспечивает интерпретируемость прогнозов: в отличие от «чёрных ящиков», Korzhinskii-Net выдаёт согласованные поля температуры, давления и скорости реакции, которые геолог может проверить на соответствие известной геологической обстановке.
Это открывает путь к массовому применению на российском Севере, Дальнем Востоке и в Восточной Сибири, где традиционные методы затруднены климатом и логистикой. По оценкам авторов, цифровая фильтрация перспективных участков до начала полевых работ способна сократить затраты на ранних стадиях разведки в несколько раз.
Презентация на AI Journey
Официальный релиз Korzhinskii-Net авторы планируют приурочить к конференции AI Journey — крупнейшему в России международному форуму по искусственному интеллекту. Площадка традиционно собирает ведущих исследователей, индустриальных партнёров и профильные ведомства, что должно ускорить переход проекта от научной публикации к промышленному внедрению. Ожидается, что после презентации к разработке подключатся крупнейшие российские горнометаллургические компании, заинтересованные в расширении ресурсной базы.
Перспективы
Авторы рассчитывают, что Korzhinskii-Net станет основой для отечественного стека инструментов прогнозного моделирования рудных месторождений и заменит зарубежные решения, на которые ранее опиралась часть российских геологоразведочных организаций. Открытый код позволит быстро адаптировать систему под конкретные типы сырья и региональные условия.
Группа исследователей под руководством Бориса Крюка представила Korzhinskii-Net — систему прогнозирования рудоносности, объединяющую машинное обучение с физикой подземных процессов. Работа размещена на arXiv, программный код открыт.
Почему это важно для России
Минерально-сырьевой комплекс — одна из опор российской экономики. От эффективности поиска месторождений зависят бюджетные поступления, развитие арктических и сибирских регионов и технологический суверенитет страны в области стратегического сырья: никеля, меди, металлов платиновой группы, золота и алмазов.
Применяемые сегодня цифровые модели опираются на поверхностные геохимические и дистанционные признаки, игнорируя физику формирования рудных тел на глубине. Korzhinskii-Net устраняет этот разрыв.
Суть метода
Модель — двумерная радиальная физически-информированная нейронная сеть (PINN). Она одновременно решает уравнения фильтрации Дарси, адвективно-диффузионного переноса тепла и кинетики осаждения рудных компонентов в едином дифференцируемом расчёте, согласуемом с данными дистанционного зондирования.
Сеть названа в честь Дмитрия Сергеевича Коржинского (1899–1985), чья теория инфильтрационного метасоматоза легла в основу модели и остаётся одним из крупнейших вкладов российской науки в мировую геохимию.
Результаты
Korzhinskii-Net испытана на пяти ключевых провинциях: Норильск (Ni-Cu-ЭПГ), Печенга (Ni-Cu сульфиды), Удокан (медистые песчаники), Сухой Лог (орогенное золото) и Мирный (кимберлитовые алмазы).
При пятикратной кросс-валидации с контролем утечек данных модель достигла среднего PR-AUC 0,885 против 0,281 у градиентного бустинга — лучшего классического метода. Средний относительный ранг локализации — 0,019 против 0,413: точность выявления перспективных участков выросла более чем на порядок. Результат стабилен в пяти регионах страны и четырёх типах сырья.
Преимущества подхода
Ключевая особенность Korzhinskii-Net — способность работать на открытых глобальных данных, без доступа к закрытым ведомственным архивам. Это снимает барьер для применения в малоизученных районах, где плотность исторических наблюдений низка, а стоимость традиционной разведки высока. Физическая основа модели обеспечивает интерпретируемость прогнозов: в отличие от «чёрных ящиков», Korzhinskii-Net выдаёт согласованные поля температуры, давления и скорости реакции, которые геолог может проверить на соответствие известной геологической обстановке.
Это открывает путь к массовому применению на российском Севере, Дальнем Востоке и в Восточной Сибири, где традиционные методы затруднены климатом и логистикой. По оценкам авторов, цифровая фильтрация перспективных участков до начала полевых работ способна сократить затраты на ранних стадиях разведки в несколько раз.
Презентация на AI Journey
Официальный релиз Korzhinskii-Net авторы планируют приурочить к конференции AI Journey — крупнейшему в России международному форуму по искусственному интеллекту. Площадка традиционно собирает ведущих исследователей, индустриальных партнёров и профильные ведомства, что должно ускорить переход проекта от научной публикации к промышленному внедрению. Ожидается, что после презентации к разработке подключатся крупнейшие российские горнометаллургические компании, заинтересованные в расширении ресурсной базы.
Перспективы
Авторы рассчитывают, что Korzhinskii-Net станет основой для отечественного стека инструментов прогнозного моделирования рудных месторождений и заменит зарубежные решения, на которые ранее опиралась часть российских геологоразведочных организаций. Открытый код позволит быстро адаптировать систему под конкретные типы сырья и региональные условия.