Search
近年来，人工智能技术在地球物理领域的应用受到广泛关注，从地震反演到地质建模均取得了显著进展。然而，地球物理人工智能的发展仍面临诸多挑战，包括优质数据集的匮乏、模型泛化能力不足、可解释性较弱等。
6月12日上午，基础交叉沙龙第31期举行，来自中国科技大学地球和空间科学学院的伍新明教授带来了一场主题为“人工智能地球物理应用研究”的精彩学术报告，聚焦人工智能技术与地球物理学的创新性融合方案，探讨了应对上述挑战的研究思路。
伍新明教授在报告中指出构建多尺度、多物理场耦合的标注数据集是基础突破点，通过融合多源数据与生成地质物理规律驱动的合成数据，弥补高质量数据集稀缺难题；在算法层面，创新地将物理算子嵌入神经网络架构，研发出融合地质与地球物理先验约束的深度学习方法，确保输出符合物理规律。围绕基础大模型在地球物理中的探索性应用研究，他指出探索地球物理基础大模型，有望解决小样本场景的迁移难题。
在交流研讨环节，伍新明教授与在场师生就小数据场景下 AI应用，如何避免合成数据偏差、平衡物理约束与数据驱动等议题展开深入探讨。他强调地球物理的发展，不仅需要深度融合人工智能技术，更需要推进多学科交叉协作。
本次沙龙活动由浙江大学海洋学院求是讲席教授、基础交叉研究院“海洋+”交叉研究领域成员李伟昌教授主持，来自地球科学学院、信息与通信工程学院、海洋学院等院系40余名师生现场研讨，30 余名师生通过线上方式同步参加。
图文 | 刘露
