GRL：人工智能耦合物理机理提高模型精度与可解释性

  近日，学院薛向辉教授团队联合德国莱布尼茨大气物理研究所和英国雷丁大学，基于国际卫星观测数据，成功揭示了近地空间中性大气运动与电离层中等离子体结构变化之间的关系。研究团队还构建了一种结合物理机制的人工智能模型，有效提升了对电离层不规则结构的预测能力。相关成果发表于国际权威期刊 Geophysical Research Letters。

  地球上空约80至130公里的区域，是连接大气和外太空的重要“过渡带”，也被称为电离层E区。这个区域中存在一种叫作“突发E层”（Es层）的现象——金属离子在特定条件下形成像“云”一样的致密层状结构。这些结构会干扰无线电信号的传播，影响航空、导航以及空间探测任务的运行。

  那么，这些原本分布均匀的金属离子为何会聚集成层？又该如何模拟和预测这种变化？这是长期以来困扰科学界的重要问题。

  金属离子的聚集与高空大气风场的变化密切相关。研究团队利用利用卫星观测提供的全球风场数据（ICON/MIGHTI）和掩星观测数据（COSMIC-2），系统分析了大气风剪切与金属离子之间的联系。研究发现，高空大气风场在垂直方向的差异性是诱发离子聚集的关键因素。

  为了进一步提升对这一过程的理解与预测，研究团队将风场运动过程与人工智能模型（Tian et al., 2022, 2023, 2024）相结合，开发出一种耦合物理机理的人工智能模型。图1显示了如何将中性大气运动过程与人工智能模型进行有机耦合。结果表明，这种“AI+物理”的耦合方式显著提高了模型的预测准确率，从71.6%提升至87.9%。这一成果不仅推动了AI在空间科学领域的深入应用，也为未来保障航天通信和提升空间天气预警能力提供了新工具。

图2. 耦合高空大气运动物理过程的人工智能模型。

  未来，研究团队将继续探索“AI for Space science”的新路径，推动人工智能与物理机制的深度融合，更精准地描绘地球及其他行星上空的空间环境变化。

  该论文的第一作者为学院博士后田鹏浩，学院薛向辉教授和深空探测实验室于秉坤研究员为共同通讯作者。该研究工作得到了中科院稳定支持基础研究领域青年团队计划、国家自然科学基金等资助。同时，英国利兹大学John Plane教授提供了重要建议。

论文链接：https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2025GL115666