Ученые пермского кампуса НИУ ВШЭ получили первый патент в сфере искусственного интеллекта
Научный сотрудник НУЛ МЭИ Алексей Кычкин и стажер-исследователь НУЛ МЭИ Олег Горшков получили патент на систему прогнозирования пространственного распределения вредных веществ в атмосферном воздухе с использованием блока искусственного интеллекта. Изобретение может быть использовано для комплексного планирования и уведомления о рисках загрязнений атмосферного воздуха вредными веществами. Работы были выполнены в рамках гранта Центра искусственного интеллекта НИУ ВШЭ. Мы поговорили с Алексеем Кычкиным о преимуществах новой системы, ее применении и том, как создавалось изобретение.
– Алексей Владимирович, расскажите о вашей системе – на чем основано изобретение и сколько длилась разработка?
– Мы работали над изобретением в 2021-2022 годах, еще некоторое время ушло на оформление заявки и получение обратной связи от Федеральной службы интеллектуальной собственности. Фактически за 2 года мы разработали новое научно-техническое решение по прогнозированию распространения вредных веществ в атмосфере для промышленных предприятий, основанное на использовании технологий искусственного интеллекта. На самом деле наша разработка является частью более крупного проекта по идентификации источника выброса, выполняемого на базе Центра искусственного интеллекта НИУ ВШЭ.
– Почему выбрали именно такое решение? В чем его преимущество?
– Выработку решений проводили последовательно, основываясь на результатах предпроектных исследований, анализе потребностей производств и рабочих встреч с нашими индустриальными партнерами, экологами предприятий, представителями городских служб экомониторинга, учеными и специалистами, разработчиками оборудования и программных систем.
Как выяснилось, многие промышленные предприятия, оснащенные стационарными средствами контроля загрязнений воздуха, проводят обработку и анализ результатов измерений с помощью специализированных моделей рассеивания для заданного момента времени, определенных метеоусловий и паспортных данных заранее известных источников выбросов. Мы пришли к выводу, что системы и АРМ экологов, реализующие такие расчеты, могут быть эффективны только при оценке распространения выброса в статичном режиме. Однако в реальности атмосферные процессы динамичны и их состояние в каждый следующий момент времени зависит от предыдущего. Корректное прогностическое описание изменений концентраций вредных веществ в атмосфере для динамических режимов требует проведения большого числа расчетов, в том числе для постоянно изменяющихся метеофакторов. Такая динамика очень сложна с вычислительной точки зрения и требует серьезных ресурсов рабочих станций и серверов.
В патенте мы предложили ввести в состав системы экомониторинга блок искусственного интеллекта с сопутствующими вспомогательными блоками, реализующими поддержку его функционирования в составе кластера вычислительных программного-аппаратных комплексов (ПАК).
Новая система, включающая блоки сбора и хранения данных, цифровой обработки, в том числе фильтрации, балансирования нагрузки на ПАКи и управления очередями информационных сообщений, позволяет повысить оперативность расчетов концентраций вредных веществ и дает возможность получать прогнозы динамически. Блок ИИ может выявить тренды и сезонность в динамике выбросов, аномалии в данных, закономерности в сложных компонентах профилей концентраций – характерных признаков. Такой прогноз хорошо улавливает систематические высокочастотные составляющие, он более устойчив к изменению режима работы предприятий, даже если оборудование работает с небольшими отклонениями по времени от предыдущего дня.
Разумеется, модель аппроксимации рассеиваний, реализуемая в блоке искусственного интеллекта, требует постоянного обучения на основе потоков вновь поступающей измерительной информации. В связи с этим предусматривается технология непрерывного обучения и адаптации к изменениям, что в полной мере позволяет учитывать системную динамику процессов, происходящих в атмосферном воздухе.
Это оказалось новое научно-техническое решение, которое не противоречит, а эффективно дополняет существующие системы, использующие утвержденные методики прогнозирования выбросов вредных веществ за счет предусмотренных интеграционных инструментов. Мы с командой проекта не только оформили патент на изобретение и опубликовали несколько работ в научных журналах, но и собрали первый прототип, а также провели верификацию.
– Как проходила апробация вашей системы?
Проверка прогнозирования выбросов с использованием блока ИИ проводилась только по ряду вредных веществ, в том числе по частицам пыли PM2.5, на данных с более чем 20 реальных точек контроля в Москве, Новосибирске, Перми и Челябинске. Были обработаны несколько миллионов измерений, при этом использованы как исторические данные за несколько лет, так и онлайн-измерения с дискретностью 20 минут. Мы настроили ежедневное обучение модели таким образом, что оно проходит рекурсивно, то есть с незначительным изменением коэффициентов, и только в ночное время.
Само обучение занимает порядка 30 минут, при этом кажный новый прогноз рассчитывается моментально – в течение секунды. В подавляющем большинстве случаев построенные прогнозы оказались точнее прогнозов на основе существующих моделей рассеивания, прирост по точности был от 6 до 40% в зависимости от дня недели и времени года. Мы видели, что наши данные не противоречат подобным моделям, но они работают в динамике, и это наше главное преимущество.
– Кому интересна новая система прогнозирования?
– Систему прогнозирования распределения вредных веществ в атмосферном воздухе на базе технологий искусственного интеллекта можно интегрировать с другими существующими системами экомониторинга крупных промышленных предприятий нефтегазовых, химических, целлюлозно-бумажных, металлургических и горно-добывающих отраслей, а также на инфрастуструктурных объектах и предприятиях ТЭК. Система будет интересна специалистам служб экологического мониторинга, надзорным органам, общественным организациям. Полученная с помощью системы мониторинга информация может быть интересна жителям городов, поселений, которые располагаются рядом с предприятиями.
Современный экологический мониторинг атмосферного воздуха для промышленных предприятий – это не только инструмент ограничения, но и ключ к росту эффективности производства. Для этого инструменты прогнозирования распределения вредных веществ действительно необходимо усовершенствовать до уровня работы в динамике – это позволяет оптимизировать технологические процессы, своевременно выявлять аварии, например утечки или возгорания опасных газов, обрывы трубопроводов и тп. С учетом изменения метеообстановки наша система прогнозирования с использованием ИИ дает возможность формировать планы по производству с учетом экологического критерия.
При этом государству тоже важно, чтобы экологическая обстановка в городах была безопасной, особенно для тех случаев, когда предприятия являются частью городской среды.
– Насколько сложно внедрить вашу систему прогнозирования?
– Системы такого уровня требуют специалистов высокой квалификации, которые занимаются интеграцией. Для этого существуют компании-интеграторы, специализирующиеся в области экомониторинга и обладающие большим опытом автоматизации технологических процессов и производств. Подобного рода системы комплексные, для них необходим правильный режим эксплуатации и сопровождения – особенно, если это часть большой системы экомониторинга предприятия. Система может включать в себя сотни приборов контроля, это могут быть стационарные посты или компактные малогабаритные датчики, метеостанции, количество источников выбросов также может быть достаточно большим (от нескольких десятков до сотен для одной промышленной площадки).
– Новая система прогнозирования уже внедрена на каких-то объектах?
– Нет, патент – это концепция, описание научно-технического решения, это еще не готовый продукт. От патента до готового продукта, который внедрен на предприятии, еще предстоит большая работа. Сейчас идет верификация, следующий этап – тестовая интеграция с существующими платформами, после этого начнется тренировка моделей ИИ на месте эксплуатации. И только спустя какое-то время мы получим обратную связь и увидим, насколько наша система полезна.
В сфере экологии модели ИИ проявляют себя по-разному, и важно чтобы доверие к ним было подтверждено практикой. Для получения обратной связи от специалистов предприятий нужно разработать, внедрить учебные пособия, научить работать с системой, подождать пока модель ИИ адаптируется, накопит достаточное количество данных, определить ошибки обучения. Это технология наиболее перспективна для экологически нейтральных предприятий, у которых миссия заключается в непрерывном снижении экологической нагрузкой.
– Патент – это часть вашего проекта в Центре искусственного интеллекта?
– Да, основная задача проекта заключается в динамической идентификации источников выбросов и прогнозировании их распределения. Мы начали со второго пункта – разработка системы прогнозирования. Идентификация источника – это более сложная задача, которая во многом требует прогнозов. На основании полученной картины распределения выбросов мы должны получить обратную картину рассеивания и указать – из какого источника был совершен выброс. Эта задача, конечно, сегодня решается, но, как правило, вручную и после фиксации выбросов – в формате анализа истории наблюдений.
Если у предприятий появится технология, позволяющая в динамике не только определять риски превышений на контрольных точках, но и считать траекторию движения выброса, определять источник – это, несомненно, улучшит их производительность и экологическую безопасность. На сегодняшний день спрос на такие продукты со стороны предприятий есть.