近日，国家卫星气象中心（国家空间天气监测预警中心）联合南昌大学等单位科研团队，在地球多圈层大气环境耦合、高层大气智能监测与环境模拟领域取得重要原创性突破，首次实现空间环境领域基于全物理方程约束的人工智能建模。相关研究成果发表于国际顶级期刊《Science Advances》。

地球大气环境是贯通近地面大气、平流层、热层和电离层的完整耦合系统。在全球气候变化背景下，高层大气温度场、风场、电场及大气组分结构的动态演变，是地球系统科学、圈层物质能量交换和气候长期响应研究的重要前沿方向。

长期以来，电离层—热层系统具有强耦合、强非线性和多尺度演化等复杂特征。电场、中性风、中性温度及大气组分等关键高层大气环境参数，难以通过常规设备实现大范围、连续直接观测，成为制约高层大气精细化监测、多圈层耦合机理研究和动态环境预警的重要瓶颈。同时，传统物理数值模式计算成本高、模拟耗时长，难以满足现代空间环境实时监测和快速推演需求。

针对上述科学与技术难题，研究团队构建了面向电离层—热层系统的端到端逆问题智能求解框架。该框架依托高精度大气环境模拟资料和自主数值模式，在完整物理方程约束下，建立了可观测电子密度与高层大气隐藏状态之间的智能映射关系，为破解高层大气观测稀缺、关键参数难以直接获取以及复杂环境系统难以快速模拟等问题提供了全新技术路径。

研究结果表明，该技术能够在约0.01秒内快速重建18项电离层—热层核心环境参数，实现电场、中性风、中性温度、大气组分及离子运动状态等多要素的同步反演，推动高层大气环境模拟由耗时较长的物理数值计算向秒级智能推演转变。

本次突破依托中国气象局发布的国家级空间天气人工智能预报模型“风宇”。该模型入选2025年度中国气象局十大气象科技进展，构建了覆盖太阳风、磁层和电离层的链式空间环境智能预报框架，并通过“煦风”“天磁”“电穹”等核心子模块，描述太阳活动驱动下多圈层空间环境的连续响应过程。

与传统统计拟合方法不同，本研究将物理方程约束、数值模式知识与人工智能方法深度融合，推动空间环境智能建模由单一参数预测向多变量状态反演拓展，由局部区域建模向多圈层协同推演发展，实现了从数据驱动拟合向物理约束智能求解的重要跨越。

研究团队还完成了模型算法研发、训练优化和工程部署等环节的国产化适配，验证了国产人工智能软硬件平台支撑复杂环境科学模型训练与高速推理的能力，为构建自主可控的高层大气智能监测、模拟与预报技术体系奠定了基础。

从地球系统科学发展角度看，该成果有助于打通近地大气与高层空间环境之间的研究链条，深化对不同大气圈层之间物质、能量和动量交换过程的认识，为研究全球变化背景下高层大气结构演变、圈层耦合反馈和极端环境扰动机制提供了新的科研工具。

在应用层面，该技术可为高层大气环境监测、空间天气预报、卫星轨道运行保障、导航通信服务及重大空间环境事件分析提供快速、精细的环境参数支撑，进一步提升我国复杂空间环境的智能感知、快速推演和动态预警能力。

未来，研究团队将继续围绕多尺度大气环境模拟、圈层耦合机理、智能环境预警和气候动态响应等前沿方向开展研究，进一步推动人工智能与地球系统科学、空间环境科学和气象业务的深度融合，服务全球气候变化研究、空间基础设施安全和国家空间天气保障能力建设。

团队首席王劲松研究员表示，该成果验证了物理模型与人工智能深度融合在复杂空间环境研究中的可行性，体现了我国在高层大气智能建模与空间环境快速推演领域的自主创新能力，也展现了国产人工智能平台支撑高水平环境科学研究和重大科研任务的技术潜力。

点我访问原文链接