人工智能赋能区域海洋动力模拟实现突破性优化

加州大学圣克鲁斯分校应用数学团队开发出一种新型AI模型，可更精准地模拟墨西哥湾等区域海洋动力学。该研究由该校工程学院助理教授阿谢什·查托帕德海（Ashesh Chattopadhyay）领导，联合富士通先进科技实验室及北卡罗来纳州立大学团队完成，成果发表于《地球物理研究：机器学习与计算》期刊。 墨西哥湾是美国东南部与墨西哥沿海的重要区域，支撑着能源开采、航运贸易和旅游业。其复杂的海洋环境，如来自湾流的大尺度涡旋引发的巨浪，对海上作业安全构成威胁。传统高分辨率物理模型虽为行业标准，但计算成本高、耗能大、速度慢，且精度有限。AI模型虽具备极快运算速度（最高可达传统模型的十万倍），但长期模拟中易出现“幻觉”——即生成违背物理规律的结果。 为解决这一难题，研究团队构建了双阶段AI系统：第一阶段以8公里分辨率进行大尺度、长时序的海洋状态预测；第二阶段在此基础上，通过深度学习“下采样”技术将分辨率提升至4公里，实现高精度细节重建。这一过程类似于图像超分辨率增强，但确保生成结果符合物理规律。 研究显示，该AI模型在30天内的短期预测中，精度超过传统模型；更关键的是，其在长达10年的模拟中未出现任何物理上不合理的“幻觉”现象。这得益于团队将物理约束深度嵌入模型训练过程，尤其由研究生莱昂纳德·卢平-希梅内斯（Leonard Lupin-Jimenez）主导的物理一致性设计。 富士通研究人员表示，该模型兼具速度、精度与轻量化优势，已具备在船舶、港口管理、航线规划及极端天气监测等实际场景中部署的能力。团队强调，研究目标不仅是学术突破，更是推动AI科学成果向产业应用转化。 目前，多名研究人员在富士通实验室开展联合攻关，确保模型设计贴近真实使用需求。研究团队坚持“科研与产业需求紧密结合”的理念，致力于打造真正可落地的AI工具，使非AI或非物理专家也能便捷使用。这项工作标志着AI在地球科学领域正逐步超越传统物理模型，成为高精度区域海洋模拟的新范式。