Digital Petroleum: уйти из корпорации ради стартапа и призвать консервативных нефтяников поверить в нейросети

Дмитрий — физик по образованию. Тема диссертации, которую он защитил в МГУ в 2008 году, не имела почти ничего общего с тем, чем он занялся в дальнейшем, но возможность помогать нефтяным компаниям с оптимизацией показалась ему интересной. После университета Коротеев устроился в Schlumberger — там он 10 лет занимался разработкой новых технологических решений, которые помогают разведывать нефтяные месторождения и добывать нефть. Затем — год в «Газпром нефти» и запуск департамента новых технологий для апстрима. «Апстрим — это разведка и добыча, то есть этап, на котором нефть находят и поднимают», — объясняет Коротеев.

Все поменяло возвращение в Schlumberger, где Коротеев всерьез увлекся искусственным интеллектом и возможностями его применения в нефтянке. За 10 с лишним лет он понял, какие проблемы есть у нефтяных и нефтесервисных компаний, а теперь увидел, как их можно решить. «Потребность у компаний была, но заниматься этим никто не хотел», — вспоминает Коротеев. Тогда он уволился и начал искать способы запустить стартап.

За 1,5 года Digital Petroleum Research разработала программное обеспечение, которое в автоматическом режиме анализирует данные, поступающие с нефтегазовых месторождений, и предлагает компаниям оптимальные решения. «Сначала мы сами приходили к компаниям и говорили: мы точно знаем, что у вас есть такая проблема, и мы можем ее решить, только дайте нам данные. Потом уже сами компании начали приходить к нам — знаете, у нас есть проблема, и мы думаем, что ваш искусственный интеллект может нам помочь. Мы отвечали — окей, беремся», — рассказывает Коротеев. Так специалистам удалось набрать портфель из десятка индустриальных проектов и сделать столько же проектов внутри Сколтеха. «Это исследовательские проекты, результатом которых является то, что на Западе называется research prototype или research code, которые дальше нужно пускать в software engineering — то есть превращать в программное обеспечение», — объясняет физик. Стало ясно, что проект созрел для выхода на рынок.

Так появился стартап Digital Petroleum — не исследовательский проект, а полноценный бизнес. В январе 2019 года Дмитрий зарегистрировал юрлицо, соучредителями стали он, люди из команды и Сколтех. Два проекта работают параллельно — в будущем некоторые научные сотрудники из лаборатории перейдут в стартап, но Digital Petroleum Research продолжит заниматься исследованиями. Команда Коротеева помогает компаниям сэкономить деньги и оптимизировать процессы на всех этапах — в разведке, разработке месторождений, бурении и добыче.

«Все думают, что в нефтянке море денег и компании в них купаются, — нет, ничего подобного. Разработка месторождений — очень затратное мероприятие для нефтяных компаний. Прежде чем добытая там нефть начинает приносить деньги, тратятся огромные суммы. Кроме того, работать стало сложнее, месторождения стали очень сложными — легкой нефти почти не осталось, по крайней мере в России», – говорит Дмитрий.

Начинается все с разведки — компании нужно понять, подходит ли выбранная местность для добычи нефти. Для этого проводят сейсморазведку. По поверхности земли разбрасывают датчики, в одном или нескольких местах ставят вибраторы — машины-грузовики, с которых время от времени падают двухтонные балки, которые стучат по земле. Они генерируют так называемое возмущение — оно сначала уходит вглубь, а потом отражается от поверхностей, и эти сигналы собирают датчики. «Тут на помощь приходят математические алгоритмы и у людей появляется представление о форме залежей. Раньше опытный геолог смотрел на это и говорил: ага, судя по тому, что я тут вижу, первую разведочную скважину нужно бурить вот здесь. Скважину бурили, смотрели, есть ли там нефть. Если нефть потекла, проводились новые измерения, чтобы понять, сколько там нефти и как она будет течь. И дальше продолжали разбуривать вокруг», — объясняет Коротеев. При этом иногда скважина оказывалась сухой — там попросту не было нефти.

Алгоритмы, разработанные Digital Petroleum, позволяют проводить разведку сложных геологических форм и повысить вероятность успешного бурения. Раньше сухой оказывалась одна скважина из семи, а стартап делает так, что нефть не находят лишь в каждой двадцатой скважине: «Пробурить даже одну скважину очень дорого — если речь идет о горизонтальном бурении, сумма может достигать 500 млн. руб. Так что это большая разница».

По результатам разведки строится геологическая модель месторождения — «подробная трехмерная картинка, на которой показано, где сколько нефти и насколько эта нефть подвижна». Это делают, собирая разные типы данных, в полуручном режиме — группами геологов и петрофизиков. Процесс построения геологической модели нового месторождения занимает несколько лет, а Digital Petroleum собирается ускорить его до нескольких минут: «Мы хотим, чтобы это происходило автоматически, — загружаете данные в программу и после 5 минут работы алгоритма вы видите, как примерно будет выглядеть модель. Это не конечный результат, но мощная подсказка специалистам. А геологам останется более тонкая работа». Дмитрий говорит, что алгоритмы еще долго не смогут заменить геологов и Digital Petroleum не отбирает работу у специалистов, а создает для них помощника.

Следующий этап — оптимизация процессов воздействия на пласт и на прискважинную зону. «Есть такая процедура — гидроразрыв пласта. Она доказала свою эффективность, но компании тратят очень много денег на это, не всегда получая столько нефти в итоге, сколько ожидали. Допустим, есть старая скважина. Идет время, нефти притекает все меньше, потому что поры, через которые идет нефть, забиты. Тогда скважину останавливают и начинают закачивать туда жидкость под большим давлением. Пласт трескается, и нефть снова идет. Раньше это делали только для старых скважин, а сейчас делают и для новых. Дорогая операция — несколько сотен миллионов рублей за одну скважину», — говорит Коротеев. Если у компании-клиента богатая история таких операций, Digital Petroleum берет данные, «скармливает» их алгоритму и обучает его давать подсказки для каждой новой скважины. Это тоже помогает сэкономить.

Один из продуктов Digital Petroleum, reservoir assessor, — «такая штука, которая на этапе тренировки собирает вообще все данные, которые мы смогли найти по миру, по всем пластам, из которых течет нефть или газ». Каждый из этих пластов имеет набор характеристик — features. Их от одной до 200. Среди этих характеристик есть очень важный столбик — проектный коэффициент извлечения нефти (КИН). Именно эта характеристика нужна нефтяникам — она показывает, сколько нефти из пласта в принципе можно достать. Стартап дает нейронной сети «на съедение» эти базы данных, а она выдает не только коэффициент, но и погрешность, с которой она его определила. Чем больше данных есть по пласту, тем меньше погрешность. «Сейчас, чтобы посчитать этот КИН, нужно собрать кучу данных, произвести множество расчетов. А нашему алгоритму нужна секунда. Мы думаем поместить это в облако, чтобы компании могли работать по подписке. Никаких конфиденциальных данных туда загружать не нужно», — говорит Дмитрий. Еще один продукт — technology assessor. «Где бурить, с какими режимами, где какой гидроразрыв делать и так далее. Мы точно знаем, что прогнозировать эффект гидроразрыва нейросеть может гораздо точнее, чем человек в среднем», — говорит Коротеев.

Digital Petroleum не только продает программное обеспечение, но и разрабатывает кастомизированные решения для компаний, опираясь на запрос. Но элемент on-demand есть всегда — например, компании хранят данные в разных форматах. «До стандартизации данных в нефтянке еще очень и очень далеко», — говорит Коротеев.