近期发表于《地球物理研究快报》的一项研究表明，机器学习已成功用于重新发现支配海洋生物地球化学过程的数学方程。研究团队由王成望等人组成，他们针对海洋中铁胶体循环这一复杂系统，采用符号回归技术对稀疏观测数据进行分析，旨在验证机器学习在方程发现任务中的实际能力与局限性。 结果显示，该算法成功推导出一组包含六项的简化方程。这些新方程在宏观模拟效果上与模型原有的复杂公式相当，同时具备更优的计算简洁性。更为重要的是，新方程揭示了铁循环机制的新认知：例如未纳入盐度变量，印证了其在海洋中变化平缓的特性；同时验证了全水柱采样模式优于定点深度采样，为未来海洋观测提供了关键指导。研究指出，只要在现有溶解铁采样点同步采集数据，即便样本稀疏，推导出的方程仍具备高度鲁棒性。 该成果验证了机器学习在解析地球系统复杂过程方面的潜力，也为优化全球铁循环观测网络指明了方向。研究人员呼吁扩大未充分采样海域的覆盖范围并共享相关数据，以推动海洋生物地球化学建模的精准化发展。