（加EarthAi微信交流群+商务合作，请备注：姓名-行业-单位）
近日，由中国气象局牵头建设、南昌大学参与核心算法研发的“风宇”空间天气智能预报模型取得重要进展。其中，依托南昌大学空间科学与技术研究院和信息工程学院共同建设的“空间信息智能感知技术”教育部工程研究中心，陈洲教授团队完成了面向地球电离层—热层区域的一个关键模块研究，相关成果发表于国际知名学术期刊Science Advances。陈洲教授作为论文唯一第一作者，组织带领信息工程学院博士生和本科生开展科研攻关。该成果不仅标志着我国在空间天气智能预报、复杂地球空间系统状态反演以及国产人工智能平台支撑方面取得了新的突破，也体现了南昌大学在空间科学与人工智能交叉研究中的平台优势与协同创新成效。
图1. 关键模块研究成果发表于国际知名学术期刊Science Advances
“风宇”是中国气象局正式发布的国家级人工智能预报模型之一，已入选2025年度“中国十大气象科技进展”。该模型由中国气象局联合南昌大学共同研发，华为提供国产算力与工程化支撑，围绕太阳、地球磁层、电离层—热层三大区域，构建空间天气智能预报体系。目前，“风宇”已形成近20个创新模型或模块，覆盖不同区域、不同物理过程和不同层次的关键问题，具有鲜明的链式建模与协同预报特色。
图2. 风宇模型入选2025年度“中国十大气象科技进展”
此次发表于Science Advances的工作，是陈洲教授团队在“风宇”电离层—热层区域中的一个关键模块。论文聚焦空间天气研究中的一个长期难题：许多真正决定系统演化的关键物理状态难以被直接观测。现实中，电子密度和TEC等量相对容易获得，而电场、中性风、中性温度等决定系统动力学的重要隐变量却长期缺乏全面观测约束，这种“可观测量与隐藏状态不匹配”的问题，成为制约空间天气机理研究与业务化预报能力提升的重要瓶颈。
图3. 复杂的电离层-热层系统（来源NASA）
针对这一问题，陈洲教授团队提出了一种面向电离层—热层系统的端到端逆问题求解框架。研究利用高精度三维电子密度重建结果，并结合TIEGCM物理模型生成的大规模耦合数据，建立从可观测量到隐藏关键状态之间的直接映射关系，实现由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。该方法不仅提升了传统参数反演能力，也为复杂空间环境系统提供了观测驱动的物理状态恢复新路径。
图4. 风宇模型中电离层-热层区域的逆问题求解模块
研究结果表明，该模块可快速恢复18个电离层—热层关键参数通道，并具备很高计算效率，可在约0.01秒内完成18通道实时推理，展现出面向地面快速监测和卫星在轨智能推理的应用潜力。论文同时采用了与IRI模型比较、以及与PFISR非相干散射雷达和ICON卫星观测对比的双重验证策略，结果表明该方法在关键参数恢复方面具有较好的物理一致性与应用价值。
图5 风宇模型中18个电离层—热层关键参数对比结果
该成果是“风宇”链式预报体系中的重要一环，为系统从有限观测中恢复隐藏物理状态、支撑后续链式耦合预报和天地协同应用奠定了更加坚实的基础。相关研究也体现了我国空间天气人工智能技术路线的自主可控特征。论文致谢部分明确说明，相关计算支撑由MindSpore框架和Ascend AI处理器提供。此次成果发表，充分展示了南昌大学陈洲教授团队在空间天气智能建模和复杂地球空间系统研究方面的原创能力，也为服务国家空天安全需求提供了重要科技支撑。
审核：许航、涂金凤、朱文芳、王葳
微信公号：Earth-Ai
商务联系：Earth_Ai
10个月宝宝每天需要喝多少奶粉？
