AI驱动深地科学：核心难题、应用前景与推进策略

原文刊载于《中国科学院院刊》2026年第6期“国家科学技术思想库：人工智能赋能科学研究”。本文为精简版

底青云1,2*赵亮1,2郑忆康1,2耿智1,2喻志超1,2单小彩1,2李超1,2徐志尧1,2 吕鹏飞1

1 中国科学院地质与地球物理研究所

2 中国科学院大学 地球与行星科学学院

深地科学正处于国家重大战略需求牵引、前沿理论突破与研究范式深刻变革相互叠加的关键时期。面向能源与矿产资源安全、重大工程建设、地质灾害防控和地月空间探测等核心任务，深地科学亟待突破深部结构与成分的高分辨率探测、跨圈层复杂过程模拟和工程高效决策支撑等瓶颈。传统以局部观测、经验解释和单学科分析为主的研究范式，在多源信息融合、复杂过程认知与系统决策方面已显著受限。人工智能（AI）的快速发展，为突破上述瓶颈提供了新路径，有望推动形成数据驱动与机理认知融合、智能预测与精准决策协同的新型研究范式。

1

深地科学的科学意义、战略价值及面临的挑战

深地科学以研究固体地球内部的物质组成、结构特征及其动力学过程为核心，关注其与地表系统的相互作用及资源环境效应。它在时间尺度上贯穿地月系统形成以来约45亿年的演化过程，在空间尺度上涵盖矿物晶体、地质单元、构造板块直至地月系统等多层级对象，是认识地球系统深部过程及其表层响应的关键领域。

深地科学的突出特征在于研究对象具有显著的“巨复杂性”。一方面，地球深部处于高温、高压、高应力和强反应性环境中，原位长期观测、精确取样和高保真测试极难实现，关键数据高度稀缺；另一方面，深地系统本身是强非线性、多尺度、跨介质、跨圈层耦合的复杂系统。传统方法能够解释局部过程或单一现象，但在跨尺度、跨圈层、跨场景的一体化建模方面仍存在明显不足。

深地科学直接关系国家能源资源安全、关键矿产保障、重大工程建设及防灾减灾等国家核心战略需求。深层—超深层油气、深部非常规资源、增强型地热系统、地下储能与碳封存等，都需要对深部结构、流体运移和长期安全性建立系统认识；锂、钴、镍、稀土等战略性矿产的供给，也关系低碳转型进程；地震、滑坡、岩爆、突水等灾害，则与深部应力调整、断层稳定性和水—岩耦合过程密切相关。

总体来看，深地科学面临3类具有基础性、长期性和系统性的挑战（图1）。① extreme环境下原位观测能力不足，许多关键认识仍高度依赖间接观测、实验类比和反演解释。② 多源异构数据融合困难，地质、地球物理、地球化学、遥感、钻探、实验与监测等数据