«Газпром нефть» представит на Петербургском международном экономическом форуме свой цифровой арт-проект «Трансформация!». Это первая коллаборация компании с российским медиа-художником Максимом Жестковым, в которой удалось создать виртуальный макромир и визуальную симуляцию из миллиарда «умных» частиц.
Проект не имеет аналогов по масштабам и будет презентован 6 июня на стенде «Газпром нефти».
Сочетания цветов и форм объектов в проекте подобраны на подобии разноцветных виртуальных геологических моделей, которые создаются с помощью нейросетей для поиска нефти*. Поведение каждого элемента симуляции запрограммировано на специальном грид-кластере из 50 мощных компьютеров (в общей сложности было задействовано около 650 000 CUDA ядер). Все частицы реагируют на виртуальные потоки ветра и даже изменение света. Когда элементы сталкиваются или касаются изогнутых краев дисплея фасада стенда, происходит смена форм, скорости и траекторий их движения.
Визуальную модель симуляции будет воспроизводить 45-метровый изогнутый экран, стилизованный под ленту Мёбиуса. Его закольцованная форма позволила передать бесконечность процесса совершенствования. За счет удаления и приближения объектов к зрителю получается эффект объемного макромира.
«Искусственный интеллект многие до сих пор представляют по фильмам, где он был визуализирован с помощью компьютерной графики. Но пока что это выглядело как значительное упрощение сложнейшего процесса. Сейчас цифровые инструменты сделали огромный рывок: вместо имитаций они позволяют отразить явление с учетом его реальных свойств. И нам удалось показать не просто технологии, а оригинальный взгляд на цифровую жизнь. Сложные физические процессы и цифровые технологии моделирования, которые помогают находить и добывать нефть в 21 веке, впервые эффектно воплотились в произведение современного искусства. Мы предложили великолепной команде Максима Жесткова через новый визуальный язык переосмыслить тему трансформации. И результат превзошел наши самые смелые ожидания», - рассказал об идее проекта член правления «Газпром нефти» Александр Дыбаль.
Художник Максим Жестков отметил, что цифровизация расширила в тысячу раз границы восприятия и позволила заглянуть туда, куда не под силу ни одному микроскопу. По его словам, для искусства и бизнеса современные технологии сравнимы с открытием нового цвета или химического элемента.
«Масштаб того, что у нас получилось, поражает. Мы обучили компьютеры, работали с ними как с полноценными партнерами. Теперь возможности художника радикально изменилась, потому что в распоряжении есть бесконечное количество элементов, с которыми можно экспериментировать. Я думаю, что суперкомпьютеры скоро станут частью архитектуры. Все поверхности вокруг нас будут частью суперкомпьютера, который сможет менять их форму за минуты и создавать новые пространства для людей» - подчеркнул Максим Жестков.
*О применении нейросетей для геологоразведки:
Цифровая геологическая модель используется при подсчете запасов углевородоров на месторождениях и планировании оптимальных способов нефтедобычи. Это «виртуальный двойник» месторождения, который представляет собой объем геологических данных, разделенный на ячейки (аналог пикселей в изображении).
В качестве исходной информации используются данные различных типов и масштабов. К ним относятся площадные поверхностные сейсморазведочные исследования, геофизические исследования скважин, исследования кернов и др. Задача интеграции подобного рода информации в общую модель является сложнейшим процессом, требующим точной оценки закономерностей распределения параметров по ячейкам «виртуального двойника».
Применение методов машинного обучения (нейросетей, ансамблей решающих правил, регрессий и т.д.) сводится к поиску как явных – традиционных связей, так и неявных – тех, которые сложно, а иногда невозможно обнаружить человеку. Выявленные закономерности позволяют не только заполнить каждую ячейку цифрового двойника месторождения достоверной информацией, но и добиться большей согласованности и точности всего комплекса данных.
Подобные подходы решают главную задачу моделирования – предсказание свойств там, где исходные данные полностью отсутствуют. Для обучения нейросетей в «Газпром нефти» развернуто несколько мощных вычислительных кластеров с десятками GPU и сотнями процессоров. Это позволяет не только быстро создавать новые архитектуры, но и параллельно обучать сотни и тысячи моделей.
Комментарии
(0) Добавить комментарий