Кратко то, чем я занимаюсь, можно разделить на три части:

• Обратная динамическая задача сейсмики (метод обращения полного волнового поля);
• Применение методов глубокого обучения в геофизике;

• Методы обработки сейсмических данных;

Для общего ознакомления привожу ссылки (ссылка 1 / ссылка 2) на статью в газете Известия, в которой журналист пытался описать нашу работу на научно-популярном языке, не прибегая к точным математическим формулировкам.

В презентации нашего коллектива (следующая ссылка) можно найти информацию о результатах моей научной деятельности.

Разработка и численная реализация метода обращения полного волнового поля в области временных частот с представлением отражательной способности среды в пространстве данных.

Проектирование глубокой свёрточной нейронной сети для определения кинематических атрибутов волнового поля по сейсмическим данным.

Трудно сказать, какие результаты повлияли на жизнь и науку, наверное, больше всего повлияли длительные заграничные командировки: стажировка в MIT, стажировка в компании Schlumberger, стажировка в компании Saudi Aramco.

Тут важно отметить, что геофизика по сути относится к прикладной области научного знания. Мною были получены фундаментальные результаты в области обратной динамической задачи сейсмики, но все они были подтверждены численно, и поэтому я считаю, что я занимаюсь прикладной наукой. То же самое можно сказать и про методы глубокого обучения в геофизике – вся работа имеет прикладной характер.

Я исполнитель гранта РНФ: разработка системы моделирования для анализа современного состояния и оценки тенденций будущих изменений природной среды Сибирских шельфовых морей (занимаюсь разработкой свёрточной глубокой нейронной сети для определения залежей газогидратов по сейсмическим изображениям).

Я руководитель Гранта Президента Российской Федерации: метод обращения полного волнового поля, использующий представление отражательной способности среды в пространстве данных, для трёхмерно-неоднородных акустических и упругих сред (занимаюсь разработкой программного комплекса для решения обратной динамической задачи сейсмики, ориентированной на высокопроизводительные системы).


Я исполнитель работ по контракту с нефтяной компанией Saudi Aramco (разрабатываю и апробирую на реальном тестовом материале методы усиления сейсмических данных на основе глубокого обучения)

Также наша лаборатория активно подает заявки на новые гранты как в РНФ, так и в РФФИ.

Ответ на последнем слайде презентации.

У тех студентов, кто справится с поставленной задачей и освоит требуемые для этого компетенции, будут идеальные условия для трудоустройства в различные сервисные или нефтяные компании не только в России, но и за рубежом. Ну и, конечно, всегда есть опция остаться в Институте и вести инновационные, хорошо оплачиваемые разработки находясь в Академгородке, с возможностью частых (несколько раз в год) заграничных командировок на международные конференции.

В данный момент у меня не специализируется ни одного студента. До сих пор я не брал студентов, потому что, как мне казалось, у меня не хватало времени заниматься наставничеством. Большая часть рабочего времени уходила на повышение уровня моих компетенций в области прикладной математики и геофизики.

Студент должен иметь базовые навыки программирования и знания курсов дифференциальных уравнений и высшей алгебры (и уравнений математической физики для студентов старших курсов). Но это не самое главное, помимо владения математическим аппаратом, студент должен уметь программировать на достаточно продвинутом уровне для того, чтобы быстро осваивать, возможно, новые для него программные продукты, такие как Matlab, Python, библиотеки для машинного обучения Tensorflow, Keras, PyTorch.

В настоящее время я предлагаю три задачи на выбор:

1. Применение свёрточных нейронных сетей для классификации сейсмических фаций. Эта задача весьма хорошо изучена и активно развивается во всем мире, написано много зарубежных статей, трудностей особых здесь возникнуть не должно. Если говорить совсем конкретно, то основная задача здесь разобраться с существующими архитектурами нейронных сетей для задач классификации изображений и применить это для имеющейся задачи.

2. Задача аналогичная первой задаче, но только для трёхмерных изображений. Можно сразу стартовать с неё, так как формально задача 1 не перетекает в задачу 2.

3. Задача определения сейсмических атрибутов по сейсмическим данным – также формулируется в терминах изображений и решается применением свёрточных нейронных сетей типа U-net.

Студент должен иметь оценки хорошо или отлично по дифференциальным уравнениям и высшей алгебре (и уравнениям математической физики). Студентам обладающим знаниям оцененным на оценки ниже, будет трудно справляться с поставленными задачами. Пожалуй, минимальным требованием будет владение программированием на высоком уровне (не важно на каком языке программирования) и мотивация овладеть новыми навыками в сфере машинного обучения (см. п 6). Оценки являются по большому счету формальностью (да простит меня деканат ММФ НГУ). Я встречал много отличников, которые абсолютно не способны вести научную деятельность. В то же время я встречал много талантливых троечников, которым было не особенно интересно учиться в университете, но они успешно справлялись с задачей, которая их захватывала. Все зависит от конкретного человека.