لینک خبر بر روی وب سایت معاونت پژوهشی دانشگاه تهران

میز خبری معاونت پژوهش و فناوری دانشگاه تهران:

دکتر مهدی پناهی، پژوهشگر حوزه سنجش‌ازدور، هوش مصنوعی و تحلیل تصاویر ابرطیفی و مخترع «اسکنر هوشمند ابرطیفی مغزه‌های حفاری»، در سال‌های ۲۰۲۲ تا ۲۰۲۵ بر اساس گزارش دانشگاه استنفورد، به‌طور پیوسته در فهرست دو درصد دانشمندان برتر جهان قرار داشته است. این فناوری حاصل همکاری پژوهشی ایشان با دانشگاه تهران در چارچوب طرح Connect و به دعوت دکتر مهدی حسنلو، رئیس دانشکده مهندسی نقشه‌برداری و اطلاعات مکانی، است. ایده اولیه این سامانه در جریان همین همکاری شکل گرفت و راهنمایی‌ها و همراهی دکتر حسنلو در تمام مراحل توسعه آن، نقشی تعیین‌کننده در پیشبرد طرح داشت. این همکاری زمینه انتقال تجربه‌های بین‌المللی به نیازهای فناورانه کشور را فراهم کرد. در همین زمینه، با ایشان مصاحبه ای به شرح زیر شده است.

ایده این فناوری از کجا شکل گرفت؟

ایده این فناوری از یک نیاز واقعی و دیرینه در صنعت معدن و مطالعات زمین‌شناسی شکل گرفت. در بسیاری از پروژه‌های اکتشافی، بررسی مغزه‌های حفاری هنوز بر پایه مشاهده چشمی، توصیف دستی، عکس‌برداری معمولی و تجربه زمین‌شناس انجام می‌شود. این روش‌ها اگرچه ارزشمند هستند، اما زمان‌بر، وابسته به تفسیر انسانی و از نظر تکرارپذیری محدودند. از سوی دیگر، تصمیم‌های مهم اکتشافی، از تعیین زون‌های دگرسانی و انتخاب نمونه‌های مناسب برای آزمایش تا ادامه یا توقف حفاری و مدل‌سازی کانسار، به داده‌هایی دقیق، سریع، استاندارد و قابل آرشیو نیاز دارند. همین فاصله میان نیاز صنعت و ابزارهای موجود، ما را به سمت توسعه سامانه‌ای سوق داد که بتواند مغزه‌های حفاری را به‌صورت غیرمخرب، دیجیتال، خودکار و داده‌محور تحلیل کند.

این سامانه چگونه کار می‌کند؟

این سامانه با تلفیق تصویربرداری ابرطیفی (برند دستگاه HYSPIM، شرکت دانش‌بنیان پرتوافزار صنعت) مکانیزم حرکتی دقیق، نورپردازی کنترل‌شده و الگوریتم‌های هوش مصنوعی عمل می‌کند. مغزه‌های حفاری در سینی استاندارد قرار می‌گیرند و دوربین ابرطیفی با روش تصویربرداری خطی، سطح آن‌ها را با دقت بالا اسکن می‌کند. خروجی دستگاه یک تصویر معمولی نیست، بلکه یک مکعب داده ابرطیفی است؛ به این معنا که برای هر نقطه از سطح مغزه، علاوه بر موقعیت مکانی، یک امضای طیفی منحصربه‌فرد ثبت می‌شود. این اطلاعات امکان شناسایی لیتولوژی، کانی‌شناسی، دگرسانی، اکسیداسیون، سیلیسی‌شدن و تغییرات بافتی را فراهم می‌کند.

در روش‌های متداول، کیفیت نتایج به تجربه کارشناس و شرایط ثبت اطلاعات وابسته است، اما در این سامانه داده‌ها به‌صورت یکنواخت برداشت، ذخیره و پردازش می‌شوند و همواره قابلیت بازتحلیل دارند. همچنین امکان ایجاد آرشیو دیجیتال از مغزه‌ها، مقایسه نمونه‌ها در بازه‌های زمانی مختلف و اتصال مستقیم نتایج به مدل‌های سه‌بعدی زمین‌شناسی فراهم می‌شود.

هوش مصنوعی چه نقشی در این فناوری دارد؟

هوش مصنوعی هسته اصلی این سامانه است. پس از برداشت داده‌های ابرطیفی، مراحل پیش‌پردازش شامل تصحیح طیفی، حذف نویز، نرمال‌سازی و آماده‌سازی داده انجام می‌شود. سپس مدل‌های یادگیری ماشین و یادگیری عمیق، الگوهای طیفی و بافتی را شناسایی کرده و نقشه‌های کانی‌شناسی و لیتولوژیکی را به‌صورت خودکار تولید می‌کنند.

در واقع، هوش مصنوعی همان کاری را انجام می‌دهد که یک زمین‌شناس باتجربه انجام می‌دهد، اما با سرعتی بسیار بیشتر، بدون خستگی و با قابلیت پردازش هم‌زمان هزاران نقطه داده.

در نمونه اولیه آزمایشگاهی، دقت شناسایی کانی‌ها به بیش از ۸۵ درصد رسیده است و با تکمیل کتابخانه طیفی کانی‌های بومی ایران و افزایش داده‌های آموزشی، ارتقای این دقت در نسخه صنعتی دست‌یافتنی است.

کاربردهای این فناوری چیست؟

این فناوری در معدن، نفت و گاز و مطالعات زمین‌شناسی کاربردهای گسترده‌ای دارد. در بخش معدن، می‌توان از آن برای شناسایی زون‌های امیدبخش، بهینه‌سازی نمونه‌برداری، کاهش هزینه‌های آزمایشگاهی و افزایش دقت مدل‌سازی کانسار بهره برد. در صنعت نفت و گاز نیز این سامانه می‌تواند تحلیل مغزه‌های مخزنی و تفکیک رخساره‌ها را با دقت و سرعت بالا انجام دهد.

مهم‌ترین تأثیر این فناوری، کاهش عدم‌قطعیت در تصمیم‌گیری‌های اکتشافی است. زمانی که داده‌ها دقیق، استاندارد و قابل مقایسه باشند، تصمیم‌گیری درباره ادامه یا توقف حفاری، انتخاب محل نمونه‌برداری و اولویت‌بندی محدوده‌های اکتشافی با اطمینان بیشتری انجام خواهد شد.

برنامه‌های آینده چیست؟

در گام نخست، ثبت رسمی اختراع را برای حفظ مالکیت فکری این دستاورد دنبال می‌کنیم. هم‌زمان، تکمیل کتابخانه طیفی کانی‌های بومی ایران را در دستور کار داریم تا مدل‌های هوش مصنوعی با داده‌های واقعی‌تری آموزش ببینند و دقت سامانه به سطح مطلوب صنعتی برسد.

هدف اصلی ما توسعه نسخه نیمه‌صنعتی و سپس صنعتی دستگاه و گسترش همکاری با شرکت‌های معدنی و نهادهای فعال در حوزه اکتشاف است. در نهایت می‌خواهیم این فناوری از مرحله آزمایشگاه به یک ابزار تصمیم‌یار هوشمند در پروژه‌های واقعی اکتشاف معدنی کشور تبدیل شود؛ ابزاری که ایران را در مسیر اکتشاف داده‌محور و نوین قرار دهد.

سخن پایانی

این فناوری در نقطه تلاقی تجربه‌های بین‌المللی و نیازهای بومی شکل گرفت و دانشگاه تهران بستر این هم‌افزایی بود. باور داریم آینده اکتشافات معدنی کشور بر پایه داده، هوش مصنوعی و فناوری‌های نوین خواهد بود.

«زمین زیر پای ما رازهای فراوانی دارد و وظیفه ما توسعه ابزارهایی است که این رازها را به زبان علم و داده بازگو کنند. امیدواریم این گام، آغازی برای توسعه فناوری‌های بومی و تقویت استقلال فناورانه کشور در حوزه علوم زمین باشد.»

​​​​​​​