"Говорят данные - это новая нефть. я бы не отказался и от старой Уже где-то полгода с разной степенью вовлеченности занимался таким проектиком как симулятор нефтянки и с целью создания на его базе рл-енва и сбора данных для тренировки моделек быть нИИфтяниками Одна из самых важных частей тут - это моделирование пласта (это объем породы где жижа с нефтью). В основном им я и занимался. и много времени убил на солвер. Надо правильно считать давления, насыщенности, потоки, динамику добычи (ну и куча других параметров, как замоделишь). Суть в чем - если у тебя есть правильное моделирование пласта, то ты потом можешь правильно считать и то что на скважинах добывается и дальше идет. А вот без пласта ну типа ловить нечего. Что вообще такое симулятор пласта? Грубо говоря, мы разбиваем пласт на миллионы маленьких кубиков. В каждом — свое давление, своя проницаемость, сколько-то нефти, воды и газа. И все это перетекает друг в друга по законам физики. Чтобы это посчитать, нужно на каждом шаге решать большую систему линейных уравнений. Ну и сейчас для расчетов применяется метод IMPES с AMG решателем. IMPES — это метод разделения сложной задачи, где мы сначала ""неявно"" решаем тяжелое уравнение давления для всей системы, а затем быстро и ""явно"" пересчитываем движение нефти и воды (насыщенности) в каждой ячейке. AMG (Algebraic Multigrid) — это специальный алгоритм, который решает уравнение давления иерархически: он ""сжимает"" задачу на грубые сетки, быстро находит решение там и уточняет ответ на исходной детальной сетке. Используется во многих крутых моделерах нефтянки поэтому тут тоже он делался. На питорч сделано. В процессе все конечно делал с модельками, без них никак, тк сам я не нефтяник. Тут еще очень много работы для реально классного моделера. Сейчас сетка на миллион ячеек с 50ю скважинами занимает где-то 15гб врама видяхи. и 300 шагов считаются 2.5 часа. Хочется все это как-то сильно оптимизировать. Это конечно чисто такая начальная штука, еще потом надо сверху много чего докручивать. Дальше еще лучше скважины моделировать и наземную часть. https://github.com/researchim-ai/oil-simulator-py Понятно что большие компании могут собирать кучу данных и модельки вовсю обучать. Нам же можно делать всякие интересные штуки и среды а потом можно туда агентиков затачивать. РЛю может быть полезно ну и агентам. Этот и другие проектики делаются в https://t.me/researchim"