Алгоритмд суурилсан тооцоолол
Нөөцийн үнэлгээ, уурхайн төлөвлөлт, зардлын тооцоо, NPV/IRR/DCF зэргийг урьдчилан тодорхойлогдсон алгоритм, томьёо, дүрэмд суурилсан тооцооллоор гүйцэтгэнэ.
Бидний технологи
MARS engine
Энэ бол data engine, AI engine, geo engine гуравт тулгуурлан бидний хөгжүүлсэн хиймэл оюуны гол хөдөлгүүр юм.
RAG + LLM-д суурилсан тайлан
Retrieval Augmented Generation (RAG) архитектур нь хэлний загварыг төслийн баталгаажсан өгөгдөл болон сонгон бүрдүүлсэн стандарт, техникийн баримт бичгийн сангаар хангана. AI нь тайлангийн бүтэц, тайлбар, бичвэрийг боловсруулж тоон үзүүлэлтийн эх сурвалж нь AI биш, баталгаажсан тооцооллын үр дүн байх болно.
Гурван түвшний архитектур
1-р түвшин: Бүх тоон үзүүлэлтийг дахин баталгаажуулна. 2-р түвшин: Өгөгдөлд суурилсан автомат regression test нь хувилбар бүрийн өөрчлөлт, тооцооллын зөрүү болон drift-ийг илрүүлнэ. 3-р түвшин: Тайланг эцэслэн экспортлохоос өмнө AI agent дахин хянана.
Стандартад нийцсэн бүтэц
Баримт бичиг, тооцоолол, ангилал болон бүтэц нь зохицуулагч байгууллага, хөрөнгө оруулагч болон санхүүжүүлэгч талуудын хүлээлтэд нийцэхээр системийн түвшинд загварчлагдсан. Монгол улсад ТЭЗҮ-ийн практик болон ашигт малтмалын нөөцийн ангиллын стандартуудыг үндэс болгон, олон улсын тайлагналын нийтлэг зарчмуудыг харгалзан боловсруулахад оршсон болно.
Архитектур
Судалгааны өгөгдөл хэрхэн боловсруулагддаг вэ
Энэ нь өгөгдөл хүлээн авахаас эхлээд баталгаажсан техникийн баримт бичиг хүртэлх тооцооллын урсгал юм.
Цооногийн мэдээлэлСорьцын хүснэгтӨрмийн мэдээлэлЛабораторийн гэрчилгээ
Өгөгдөл хүлээн авах ба чанарын хяналт
Өгөгдлийн схемийн шалгалт · Нэгжийн стандартчилал · Хазайлтын тэмдэглэгээ · Өгөгдлийн шошгожилт · Нууцлалын боловсруулалт
Тооцоолол
Нөөцийн үнэлгээ · Геологийн загварчлал · Хүдрийн биет · Уурхайн төлөвлөлт · Зардал · NPV · IRR · DCF · Sensitivity
Хувилбар бүрийн тооцооллыг баталгаажсан өгөгдлийн багцаар дахин ажиллуулж, зөвшөөрөгдөөгүй өөрчлөлт болон тооцооллын зөрүүг илрүүлнэ.
RAG мэдлэгийн сан
Стандарт, техникийн тайлан, өмнөх судалгаа, геологийн нэр томьёо болон төслийн холбогдох бүхий л сангуудыг нэгтгэнэ.
Тайлан бичилт
Техникийн тайлангийн бүтэц, тайлбар, дүгнэлтийг боловсруулж, баталгаажсан тоон үр дүнг тооцооллоос шууд авч оруулна.
Мэргэжлийн баталгаажуулалт
Тооцоолол, өгөгдлийн мөрдөлт, эх сурвалж, стандартын нийцлийг мэргэжлийн түвшинд хянаж, эцсийн хувилбарыг баталгаажуулна.
Экспорт
Word · PDF · Excel хавсралт
Баримт бичигт орсон тоон үзүүлэлт эх өгөгдөл, тооцооллын хувилбар болон түүнийг үүсгэсэн тооцоололтой холбогдсон байна.
Автоматжуулсан RAG
Өгөгдлийн сангаас баталгаажсан хариулт хүртэл
AutoRAG нь техникийн баримт бичгийг автоматаар задлан, бүтэцжүүлж, мета өгөгдөлтэй нь индексжүүлэн, асуулт бүрт тохирох эх сурвалжийг дахин эрэмбэлж өгнө. LLM нь тохирох эх сурвалж болон баталгаажсан төслийн өгөгдөл дээр үндэслэн хариулт үүсгэнэ.
1
Өгөгдөл
PDF ба текст баримт
2
Хэсэгчлэх
Хэсгүүдэд хуваах
3
Векторжуулах
Хэсгүүдийг вектор болгох
4
Хадгалах
Векторын сан
5
Хайх
Асуулга тус бүрийн ойрын хэсгүүд
6
Үүсгэх
Баталгаажсан LLM хариулт
Нөөцийн AI
Өрмийн цооногийн өгөгдлөөс 3D хүдрийн биет хүртэл
Цооногийн байршил, чиглэл, дээжийн шинжилгээ, геологийн хил зааг болон бусад хэмжилтийн өгөгдлийг нэгтгэн 3D орон зайн загвар үүсгэнэ. Геостатистик, геологийн хязгаарлалт болон машин сургалтыг хослуулж хүдрийн тархалт, агуулга, тодорхойгүй байдлыг орон зайн хэмжээнд тооцно.
- Цооногийн байршил, чиглэл, дээжийн үр дүнг нэг 3D координатын системд нэгтгэнэ
- Геостатистик болон вариограммын загвараар агуулгын тархалтыг тооцно
- Геологийн хил зааг, хагарал, давхаргын бүтэц зэрэг хязгаарлалтыг 3D загварт тусгана
- 3D ML загвараар хүдрийн биетийн магадлал, эзлэхүүн болон тодорхойгүй байдлыг тооцно
Ордын биетийн загвар · AI үнэлгээ
3D огтлолНөөц
48.2 сая т
Дундаж GCV
5,690 ккал
C1 эзлэх хувь
62%
Хуулалтын харьцаа
3.4
Жишээ өгөгдөл
Сургалтын өгөгдөл
Уул уурхайн домэйнд тусгайлан тохируулсан загварууд
MARS engine-ийн LLM болон тусгай зориулалтын AI загваруудыг уул уурхайн нэр томьёо, техникийн тайлангийн бүтэц, стандартын шаардлага болон төслийн өгөгдөлд тохируулан хөгжүүлсэн. Ингэснээр загварын үнэлгээг баталгаатай өгөгдөл болон regression benchmark дээр гүйцэтгэдэг.
Канад
АНУ
Монгол
Австрали
LoRA нарийвчлан тохируулгаAutoRAG хайлтВекторын embedding ба хайлтСалбарт тохируулсан LLMӨгөгдлийн хамааралБаталгаажуулсан тооцоолол
Өөрсдийн дэд бүтэц дээр хөгжүүлэлт хийж сургасан
MARS хиймэл оюуны загварыг өөрсдийн GPU дэд бүтэц дээр сургаж, inference-ийг хяналттай орчинд ажиллуулдаг. Ингэснээр төслийн нууцлалтай өгөгдөл гадагш дамжихгүй бөгөөд аюулгүй байдал, тооцооллын орчныг бүрэн хянах боломжтой.
- Төслийн өгөгдөл гадаад API руу автоматаар дамжихгүй, өгөгдлийн тусгаарлалт, хандалтын хяналттай
- GPU сургалт болон inference-ийн зардал, нөөцийн ашиглалтыг бүрэн хянах болно
- Ижил өгөгдөл, ижил орчин дээр сургалт, симуляцийг дахин гүйцэтгэх боломжтой
- Загвар, dataset, checkpoint болон inference орчны хувилбар бүрийг мөрдөнө
Хамрах хүрээ
Уул уурхайн өгөгдөл бүр дээр тусгайлсан машин сургалт
Геологи, нөөцийн үнэлгээ, уурхайн төлөвлөлт, тоног төхөөрөмжийн сонголт, санхүүгийн загварчлал зэрэг өөр өөр тооцооллын асуудалд ижил загвар ашигладаггүй. Асуудал бүрийн өгөгдлийн бүтэц, зорилтот үзүүлэлт болон тодорхойгүй байдлыг харгалзсан тусгай ML pipeline ашиглана.
Геологийн загварчлалНөөцийн үнэлгээУурхайн төлөвлөлтТоног төхөөрөмжийн сонголтСанхүүгийн загварчлалҮйлдвэрлэлийн төлөвлөлтТЭЗҮ