莫斯科工程物理学院(МИФИ)塞维尔斯克技术学院的科研团队为“智能矿山”项目成功研发出一套基于人工智能的决策支持系统。该系统正在俄罗斯国家原子能公司旗下的达卢尔公司进行工业试验，旨在优化铀矿地下浸出过程中技术井的维修恢复作业。
在该校米哈伊尔·诺斯科夫教授的长期带领下，研究团队基于过去二十年积累的矿床数字孪生模型与超过五万次作业数据，训练出这一专用神经网络。系统能够综合分析15种不同参数，精准判断每口抽液井或注液井的最佳维修时机与作业方案，并预测维修后的产能恢复效果。相较于以往主要依赖专家经验与直觉的决策模式，AI助手能更全面、高效地处理海量生产数据，优先标记并处理对铀产量影响最大的井位。
铀是核能发电的关键燃料，维持其稳定开采对保障核燃料供应链至关重要。在采用地下浸出法的铀矿中，数千口工艺井的性能直接决定铀的回收率。传统的周期性维护或临时抢修模式难以实现最优效率。此次开发的AI系统通过预防性、精准化的维护规划，有望显著维持并提升开采速度，减轻人员负担，提高整个采矿综合体的劳动生产率。
目前，该技术方案在全球同类型铀矿企业中尚属首创。其成功应用不仅将直接服务于俄罗斯国家原子能公司的铀矿生产，其开发过程中形成的方法论也有望拓展至预测开采速度、优化区块开发计划等其他地质技术领域，为核燃料前端产业的数字化转型与智能化升级提供重要支撑。
