“风宇”空间天气人工智能模型再获新突破

　　近日，国家卫星气象中心(国家空间天气监测预警中心)研究员王劲松联合南昌大学等单位的科研人员，利用人工智能技术，从电离层—热层的电子密度反推出电场、中性风、中性温度等多个难以直接观测的关键参数，首次实现空间天气领域基于全物理方程约束的人工智能建模，进一步补齐了空间天气预报的技术短板。该研究成果在国际学术期刊《科学进展》(《Science Advances》)上发表。

　　空间天气涉及太阳、行星际空间、地球磁层、电离层等多个圈层的复杂物理过程，各环节相互耦合、机制复杂。由中国气象局联合南昌大学等单位共同研发的“风宇”空间天气人工智能模型，构建起覆盖太阳风、磁层、电离层的全链式智能预报框架，形成“煦风”“天磁”“电穹”等核心子模块，初步实现从太阳风扰动到近地空间环境响应的智能化刻画和快速预报。该模型不仅把过去相对分散的空间天气区域模型连接起来，更按照真实物理因果链条开展跨圈层耦合优化，推动空间天气人工智能模型从“单点预测”走向“链式预报”，从“统计拟合”走向“物理约束下的智能推演”。

　　在地球与空间科学研究领域，长期存在观测能力有限与物理系统高度复杂的矛盾。现实观测通常只能获取少数宏观量，而许多真正控制系统动力学的重要变量却难以实现直接观测。这样的观测缺口，不仅影响对复杂物理过程的机理认识，也直接制约着空间天气预报能力的提升。

　　电离层—热层系统正是这一挑战的典型代表。该区域具有显著的强耦合、非线性、多尺度特征，电子密度、总电子含量、电场、中性风和其他热层参数相互影响，但现有仪器对这些变量的观测能力并不均衡，成为制约电离层—热层过程进入地球系统模型、制约空间天气预报水平提升的核心瓶颈之一。

　　针对这一技术痛点，王劲松团队提出一种面向电离层—热层系统的端到端逆问题求解框架。依托高精度电离层结构重建结果和国产数值模型生成的热层数据，利用人工智能方法建立从可观测量到隐藏关键状态之间的直接映射关系，从电子密度反推出电场、中性风、中性温度等多个难以直接观测的关键参数。该方法能够在0.01秒内快速重现18个电离层—热层关键参数，使其不仅可应用于地面快速监测资料的深度挖掘，也具备向资源受限平台延伸的潜力，为后续链式耦合预报、天地协同应用和星载智能推理奠定了更坚实的物理状态基础。

　　更值得关注的是，此次研究突破体现了我国空间天气人工智能领域全链条自主可控的技术路线。“‘风宇’模型从算法迭代训练、模型智能推理，到工程落地部署，全流程均依托国产技术平台完成，不仅意味着我国在空间天气科学研究、预报技术层面取得突破，也验证了国产人工智能底座支撑复杂科学模型、承接高端科研任务的硬核实力。”王劲松表示。

　　(作者：林禹彤责任编辑：张林)