58 участников
30 организация
30 организация
6 научных сессий
3 круглых стола
38 докладов включёно в научную программу
сборник тезизов ISBN 978-5-6055677-3-8
Итоги Хакатона
Комитет конференции
Новое в 2026 году
- впервые собрана отдельная сессия по агентным AI-системам и большим языковым моделям;
- генеративные модели (диффузия, flow matching) вышли из разряда демонстраций и применялись для геологического моделирования, синтеза сейсмических данных и расширения обучающих выборок;
- усилилась линия гибридных физически-информированных архитектур;
- оценка неопределённости и объяснимость обсуждались почти по каждому прогнозному решению;
- выросло число докладов с примерами промышленного применения
Научная программа
Ключевые доклады:
Открыл конференцию Глеб Шишаев (ТПУ) с работой о графовых Wasserstein-автоэнкодерах для адаптации моделей пласта и оценки неопределённости. Доклад сразу поставил тему, вокруг которой шли следующие три дня: как перейти от единственной «правильной» модели к ансамблю, с которым можно работать инженерно.
Третий день открыл Вячеслав Наумов (Сколтех) с самообучающимся алгоритмом огрубления вычислительных сеток для двухфазного течения. Здесь обсуждали границу применимости ускорителей: где машинное обучение экономит счёт, а где симулятор остаётся последней инстанцией.
Геомоделирование, петрофизика и оценка неопределённости
Обсуждали переход от детерминированных моделей к вероятностным и то, могут ли генеративные модели заменить трудоёмкое геостатистическое моделирование, сохранив геологическую достоверность. Сошлись на гибридных цепочках, где геолог обязательно участвует в проверке результата.
Дискуссия быстро вышла на практику:
- как перенести обученный суррогат на другое месторождение и что именно в нём привязано к конкретной сетке;
- что понимать под «коллектором» в сложном карбонатном разрезе;
- какие сейсмические атрибуты действительно связаны с акустическими свойствами, а какие взяты по привычке.
Сейсмика, геофизические методы и обработка изображений
Центральной темой стали foundation-модели в геофизике. Предобучение на больших неразмеченных массивах даёт выигрыш при донастройке под шумоподавление и интерполяцию. Но участники предупредили: такие модели меняют амплитудные соотношения, а это критично для AVO-инверсии, поэтому их применение требует физического контроля.
Лучший доклад сессии - у Андрея Вострецова (РН-ГИР, Красноярск) о шумоподавлении глубокими нейронными сетями.
Компьютерное зрение, интерпретация и прикладной DS
Вместо отдельных задач распознавания и сегментации обсуждались сквозные конвейеры: контроль качества изображений, автоматизация разметки, геологический контекст, мультимодальный анализ. Сессия подтвердила, что прикладной дата-сайнс не живёт изолированно - нужны корректные процедуры на всех этапах, от отбора проб до интерпретации.
Лучший доклад - у Анфисы Липко (Арамко Инновейшнз) о мультимодальном анализе литологии с прогнозом цвета минералов.
Агентные AI-системы и LLM
Новая сессия собрала интеллектуальное планирование полного цикла строительства скважин, мультиагентную систему PetroGraph
для автоматической адаптации гидродинамических моделей и генерацию технологических схем по запросу на естественном языке с последующей проверкой. Обсуждение сразу ушло дальше вопроса «умеет ли LLM генерировать текст» - к оркестрации инструментов и получению инженерного результата.
Лучший доклад сессии - PetroGraph, Сергей Шумилин (Сколтех).
Физически-информированные модели, симуляция и прогноз добычи
Спорили о том, где нейронный оператор действительно ускоряет расчёт, а где полноценный симулятор должен оставаться арбитром. Практический компромисс: машинное обучение как ускоритель внутри итерационных циклов, физическая модель - для окончательной проверки.
Лучший доклад - у Дениса Саматова (Томский политехнический университет) о применении TFNO для аппроксимации
динамических кубов месторождения Brugge.
Прикладной DS: ГТМ, бурение, разведка
Вероятностная оценка параметров, прогноз обводнения, оперативная оценка очистки ствола скважины. Часть решений уже работает в производстве, большинство пока движется к промышленному применению. Председатель сессии призвал отказаться от бездумного поиска корреляций в пользу физически поставленных задач.
Лучший доклад - снова у Дениса Саматова, о вероятностной оценке пространства параметров методом Neighbourhood Algorithm Bayes.
- Круглый столAI-агенты в нефтегазе: от хайпа к инженерной реальностиМодератор: В.А. Рыжов (ИАС)Разговор шёл не о демонстрации языковых моделей, а о принципах, по которым агентные системы можно безопасно встроить в производственные процессы. Что зафиксировали:
1. Агент - архитектурный паттерн, а не конкретный стек. Языковая модель может быть «мозгом» системы, но архитектура включает инструменты, контекст, правила и проверки.
2. Физический валидатор обязателен для критических инженерных задач: рекомендации агента проверяются законом Дарси, уравнением притока, PVT-корреляциями.
3. Автономность наращивается по уровням. Обсуждалась модель L1-L3: рекомендатель, валидатор с запросом подтверждения, условный автопилот в жёстких рамках. Для критических решений человек остаётся в контуре.
4. Интеграцию с действующими системами разумно начинать в режиме чтения, переход к записи - только после длительной проверки качества рекомендаций.
5. Барьер организационный, а не технологический. Нужны отдельная учётная запись агента, права доступа, аудит, мониторинг, kill-switch и понятная модель ответственности.
Отдельная реплика, которую стоит запомнить: мониторинг без возможности остановить агента безопасности не даёт.
Первыми кандидатами для пилотов участники назвали суточные отчёты, мониторинг скважин и интерпретацию каротажа - начиная с доступа только на чтение и с человеком - Круглый столУправление данными в геологоразведке, геологии и разработке месторожденийМодератор: М.В. Наугольнов (Газпром нефть)Обсуждали, что мешает превратить данные из побочного продукта инженерной работы в производственный актив.
О чём договорились: ответственность за данные распределяется - содержание за бизнесом (геологи и разработчики), инфраструктура за ИТ; мастер-данные (скважины, пласты, траектории) живут в централизованных банках, а «последняя согласованная версия» обязательно версионируется; архитектура остаётся гибридной - озеро данных для аналитики плюс специализированные инженерные системы. Отдельно отмечена потребность в отраслевом стандарте обмена: открытые интерфейсы и метаданные по ГОСТ Р.
Что осталось открытым: единого документа со стратегией данных, метриками и дорожной картой пока нет ни у кого из участников; не решён вопрос, как принуждать подрядчиков к единым интерфейсам; не сформулированы метрики отдачи от генеративных инструментов в геологоразведке. - Круглый столСможет ли ИИ заменить полевые геофизические работы?Модератор: В.И. Булаев (НПФ «Геофизика»)Ответ на вынесенный в заголовок вопрос получился отрицательным, но разговор оказался интереснее ответа.
Владимир Иванович разобрал собственный опыт участия в открытом конкурсе, где нужно было восстановить неизвестную функцию тринадцати переменных. Обучающих данных не давали вовсе: их следовало добыть самому через программный интерфейс, с жёстким бюджетом - не более пятидесяти запросов в сутки и не более пяти тысяч точек, всего десять дней на сбор и два дня на построение модели. Ни характер функции, ни область определения, ни даже её стохастичность заранее не сообщались.
Дальше и произошло самое интересное для геофизиков. Не найдя аналитической зависимости, докладчик пошёл «геофизическим путём»: расположил точки наблюдения профилями, сгущая их там, где функция менялась резко, - ровно так, как проектируют полевую съёмку с ограниченным календарным планом и стоимостью каждой точки. Подход дал устойчивый результат при скромных вычислительных ресурсах, хотя и потребовал больше точек, чем аналитические методы.
Отсюда и главный вывод круглого стола: искусственный интеллект не заменит полевые работы, но способен повысить их отдачу. Модель не восстановит того, чего в данных нет, и запрос «сгенерируйте нам полевые данные» остаётся запросом без корректной постановки. Прозвучал и неприятный факт: из опрошенных компаний лишь одна задумывалась о пригодности своих геолого-геофизических данных для обучения моделей. Качество и подготовка данных остаются недооценёнными.
В зале обсудили и обратную сторону моды на синтетику. Если синтезированный плотностной каротаж позволяет увидеть особенность разреза, значит нужная информация уже содержалась в исходных кривых - и вопрос в том, почему выводы не сделали по ним. Отдельно прозвучал запрос, к которому отрасль пока подступается: научиться сводить сигналы разной физики - сейсмику, электроразведку, скважинные измерения, микросейсмику - в одно пространство, вместо того чтобы обрабатывать каждый метод по отдельности.
Владимир Иванович закончил предложением к сообществу: собрать собственный геологический имитатор такой задачи и провести отраслевой конкурс на реалистичных данных, чтобы сравнить алгоритмы в одинаковых условиях. Оргкомитет считает это хорошим заделом на 2027 год.
Цитаты председателей сессий
"ИИ не сможет заменить полевые геологоразведочные работы. Только одна компания задумывалась о пригодности данных для обучения ИИ - это проблема, которую нужно решать"
"Хотелось бы, чтобы мейнстримом стал отказ от бездумного поиска корреляций в пользу аккуратно и физично поставленных задач. Сочетание FNO и LoRA - блестящий выбор для обработки больших массивов физических данных"
"Прикладной дата-сайнс не может существовать изолированно - необходимы методы правильной обработки данных на всех этапах"
"AI-агентные системы - это уже реальность. Инструменты готовы, барьер - организационный. У агента должна быть своя идентичность и kill-switch"
Компании-участники
- СургутНИПИнефть ПАО «Сургутнефтегаз»
- АНОО ВО «Сколковский институт науки и технологий»
- АО НПФ «Геофизика»
- Институт «ТатНИПИнефть» ПАО «Татнефть» им. В.Д. Шашина
- НГДУ «Сургутнефть» ПАО «Сургутнефтегаз»
- ООО «Арамко Инновейшнз»
- ООО «БурСервис»
- ООО «Газпромнефть - НТЦ»
- ООО «Газпромнефть-Развитие»
- ООО «ЗН НТЦ»
- ООО «Интегрированные разработки для моделирования» (ИРМ)
- ООО «Призмагео»
- ООО «РЕ-СИМ»
- ООО «РН-Геология Исследования Разработка»
- ООО НПЦ «ГеоТЭК»
- ПАО «Газпром нефть»
- ПАО «НОВАТЭК»
- ПАО «Татнефть» имени В.Д. Шашина
- РГУ нефти и газа (НИУ) имени И.М. Губкина
- СП «Татнефть-Добыча» ПАО «Татнефть» им В.Д. Шашина
- ФГАОУ ВО «Казанский (Приволжский) федеральный университет»
- ФГАОУ ВО «Национальный исследовательский Томский политехнический университет»
- ФГАОУ ВО «Новосибирский национальный исследовательский государственный университет»
- ФГБОУ ВО «Тюменский индустриальный университет»
- ФГБУН «Институт нефтегазовой геологии и геофизики им. А.А. Трофимука» СО РАН (ИНГГ СО РАН)
- Филиал ООО «РН-ГИР» в г. Москве – Центр технических компетенций ИГиРГИ
- Филиал ООО «РН-ГИР» в г. Уфе - БашНИПИнефть
- Филиал ООО «РН-ГИР» в городе Красноярске
закрыть
Лучшие доклады
ЛУЧШИЕ ДОКЛАДЫ ПО СЕССИЯМ:
Сессия: Геомоделирование, петрофизика и оценка неопределённости
Пример создания детальной литолого-фациальной модели строения девонско-каменноугольных отложений пилотного кластера Удмуртской Республики на основе секвенс-стратиграфической интерпретации и нейросетевого прогнозирования
Коняев Денис Николаевич (Филиал ООО «РН-ГИР» в г. Москве – Центр технических компетенций ИГиРГИ)
Сессия: Агентные AI-системы и LLM
PetroGraph: мультиагентная система для автоматической адаптации гидродинамических моделей нефтегазовых месторождений
Шумилин Сергей Сергеевич (Сколковский институт науки и технологий)
Сессия: Сейсмика, геофизические методы и обработка изображений
Шумоподавление при обработке сейсмических данных с помощью глубоких нейронных сетей
Вострецов Андрей Сергеевич (Филиал ООО «РН-ГИР» в городе Красноярске)
Сессия: Компьютерное зрение, интерпретация и прикладной DS
Мультимодальный глубокий анализ для комплексной характеристики литологии: интеграция изображений, геологических данных и прогноза цвета минералов
Липко Анфиса Игоревна (Арамко Инновейшнз)
Сессия: Физически-информированные модели, симуляция и прогноз добычи
Применение TFNO для аппроксимации динамических кубов месторождении Brugge в двухфазной системе фильтрации «нефть-вода»
Саматов Денис Сергеевич (Томский политехнический университет)
Сессия: Прикладной DS — ГТМ, бурение, разведка
Вероятностная оценка пространства параметров методом Neighbourhood Algorithm Bayes (NAB)
Саматов Денис Сергеевич (Томский политехнический университет)
закрыть
Задача 1
Mineral AI— Автоматическое определение минералов
Разработать ML-модель для автоматической классификации минералов по данным растровой электронной микроскопии (РЭМ). На основе химического элементного состава образца модель должна определять тип минерала, заменяя ручной труд эксперта-геолога
Координатор и постановщик задачи — Ярослав Леонов
1🥇 место - команда «Корэтест» (Яркова Наталья, Савин Антон)
2🥈 место - команда «ИмиФИльтр» (Глазков Илья, Корнилова Маргарита)
Задача 2
Автоматическое выделение разломов по 3D сейсмическим данным
Создать модель глубокого обучения для автоматической сегментации геологических разломов в трехмерных сейсмических объемах. Задача— для каждой точки пространства определить, относится ли она к зоне разлома
Координатор и постановщик задачи — Арсений Куликов
1🥇место - команда «ИмиФИльтр» (Глазков Илья, Корнилова Маргарита)
2🥈место - команда «Огурец» (Леонов Ярослав)
Задача 3
SmartModelCompression — Умное сжатие геологических моделей
Разработать алгоритм интеллектуального сжатия и восстановления ансамблей геологических и гидродинамических моделей. Решение должно значительно превосходить стандартные архиваторы, сохраняя при этом возможность запуска расчетов на восстановленных моделях.
Координатор и постановщик задачи — Анастасия Новгородова
1🥇место - команда «ИмиФИльтр» (Глазков Илья, Корнилова Маргарита)
2🥈место - команда «Огурец» (Леонов Ярослав)
Mineral AI— Автоматическое определение минералов
Разработать ML-модель для автоматической классификации минералов по данным растровой электронной микроскопии (РЭМ). На основе химического элементного состава образца модель должна определять тип минерала, заменяя ручной труд эксперта-геолога
Координатор и постановщик задачи — Ярослав Леонов
1🥇 место - команда «Корэтест» (Яркова Наталья, Савин Антон)
2🥈 место - команда «ИмиФИльтр» (Глазков Илья, Корнилова Маргарита)
Задача 2
Автоматическое выделение разломов по 3D сейсмическим данным
Создать модель глубокого обучения для автоматической сегментации геологических разломов в трехмерных сейсмических объемах. Задача— для каждой точки пространства определить, относится ли она к зоне разлома
Координатор и постановщик задачи — Арсений Куликов
1🥇место - команда «ИмиФИльтр» (Глазков Илья, Корнилова Маргарита)
2🥈место - команда «Огурец» (Леонов Ярослав)
Задача 3
SmartModelCompression — Умное сжатие геологических моделей
Разработать алгоритм интеллектуального сжатия и восстановления ансамблей геологических и гидродинамических моделей. Решение должно значительно превосходить стандартные архиваторы, сохраняя при этом возможность запуска расчетов на восстановленных моделях.
Координатор и постановщик задачи — Анастасия Новгородова
1🥇место - команда «ИмиФИльтр» (Глазков Илья, Корнилова Маргарита)
2🥈место - команда «Огурец» (Леонов Ярослав)
закрыть
Комитет конференции
Белозеров Борис Владимирович (Председатель)
Директор программ на ранних этапах, ООО «Газпромнефть-Развитие»
Барабошкин Евгений Евгеньевич
Руководитель по развитию продукта DeepCore, Digital Petroleum
Булаев Владимир Иванович
Эксперт, АО НПФ «Геофизика»
Буторин Александр Васильевич
Руководитель по развитию дисциплины «Сейсморазведка», ООО «Газпромнефть НТЦ»
Волкова Александра Александровна
Главный специалист по методологии и планированию геологоразведочных работ Управления ГРР, «Татнефть»
Грызлов Антон Николаевич
Консультант по технологии нефтедобычи, ООО «Арамко Инновейшнз»
Давуди Шадфар
Доцент, ФГАОУ ВО «Национальный исследовательский Томский политехнический университет»
Исмаилова Лейла Сабировна
Ведущий геолог, ООО «Арамко Инновейшнз»
Коссов Георгий Андреевич
Научный сотрудник, ООО «Технологическая Компания Шлюмберже»
Магадеев Евгений Борисович
Заместитель директора по инновациям, ООО НПЦ «ГеоТЭК»
Малявко Евгений Александрович
Независимый эксперт
Митрофанов Георгий Михайлович
Главный научный сотрудник, ИНГГ СО РАН
Наугольнов Михаил Валерьевич
ПАО «Газпром нефть», руководитель направления
Рыжов Василий Александрович
Руководитель центра обработки данных и разработки ПО, Интеллектуальные автоматизированные системы (ООО «ИАС»)
Чеверда Владимир Альбертович
Зав. лабораторией «Многоволновые сейсмические исследования» ИНГГ им. А.А.Трофимука СО РАН
закрыть
До встречи в 2027 году!
Спасибо авторам, председателям сессий, рецензентам и всем, кто три дня задавал докладчикам неудобные вопросы. Благодаря им конференция остаётся местом профессиональной проверки идей, а не чередой презентаций.
Оргкомитет благодарит участников за работу и приглашает готовить доклады к следующей конференции.
Материалы VII конференции - тезисы и презентации докладчиков - доступны на libgeo.ru;
Итоги круглых столов будут опубликованы отдельно.
Мы будем рады работам, которые отвечают на четыре вопроса:
- какую инженерную задачу решает подход,
- на каких данных и в каких условиях проверен результат,
- где заканчивается область применимости и
- что потребуется, чтобы решение продолжало
- работать после пилота.