【
儀表網 研發快訊】近日,《科學進展》(Science Advances)發表了武漢大學地球與空間科學技術學院教授周晨課題組的最新研究成果。研究團隊利用化學信息引導的人工智能(AI)模型,成功填補了平流層羥基(OH)自由基的全球數據空白。
論文題目為“A chemistry-informed deep learning network for mitigating the stratospheric OH data gap”。武漢大學地球與空間科學技術學院博士生尹文杰為第一作者,周晨、英國利茲大學Martyn Chipperfield教授為通訊作者,英國利茲大學馮伍虎(Wuhu Feng)研究員等多位國際學者共同參與了該項研究。
羥基(OH)自由基在平流層化學中扮演著核心角色,它不僅驅動著臭氧的損耗,還主導著其他化學物種的相互轉換。然而,全球OH的觀測數據極為稀缺,特別是自2009年微波臨邊探測器(MLS)相關子系統故障后,OH的衛星觀測存在嚴重的空白。
為破解數據斷層難題,研究團隊創新提出了基于化學信息引導的深度學習網絡DRCAT。該工作展示了“AI for Science”在地球科學領域的巨大潛力。在缺乏直接觀測的情況下,DRCAT通過結合化學先驗知識與AI模型,不僅為填補OH全球觀測空白提供了一條可行的途徑,深化了對平流層大氣化學狀態的理解,也為評估大氣層在極端擾動期間的化學響應提供了新工具。
該模型深度融合了圖神經網絡和Transformer架構,能高效挖掘相關化學物種的衛星觀測數據,精準預測平流層OH垂直廓線。通過“預訓練-微調”范式,模型先在模式數據集上進行預訓練以學習化學規律,再用有限的真實衛星數據微調。DRCAT僅用2年實測數據,便成功重建了自2004年至今連續、高精度的全球平流層OH數據集。結果顯示,DRCAT在各項指標上均顯著優于傳統方法。
更重要的是,該AI模型在應對極端自然事件時展現出較強的泛化能力。在2022年湯加(Hunga)火山爆發后,大量水汽注入平流層,引發了罕見的極端水汽擾動,導致OH濃度激增。對此類極端場景,傳統的純數據驅動AI模型往往會產生誤判。然而,DRCAT得益于化學信息引導的“預訓練-微調”機制,成功學習了由水汽等要素驅動OH生成的化學規律,精準預測了此次異常的OH濃度激增。本研究開發的可擴展架構,也為其他關鍵短壽命大氣物種的歷史數據重建和氣象災害評估提供了一個通用AI框架。
該研究由武漢大學聯合了英國利茲大學等多所國際頂尖科研機構共同完成,并得到了國家自然科學基金等項目的聯合資助。
所有評論僅代表網友意見,與本站立場無關。