报告题目：融合物理知识的AI方法在模式-观测协同发展闭环中的应用
报 告 人：张 涛 研究员
报告时间：2026年1月12日 （周一）9:30
报告地点：气象楼1114会议室
主 持 人：陆春松 教授
报告人简介：
张涛，崂山实验室海洋大数据与预测研究部研究员，“鳌山人才计划”优秀青年，入选国家级青年人才项目。2017年于清华大学计算机系获得博士学位，曾工作于美国布鲁克海文国家实验室。主要从事人工智能在地球系统科学中的应用研究。目前发表SCI论文30篇左右。曾是美国能源部E3SM地球系统模式项目物理参数自动调优团队负责人，主持美国布鲁克海文国家实验室LDRD项目，发展了多尺度、多过程的机器学习物理参数化方案，开发的气候系统模式物理参数自动调优框架被国内大气物理研究所参与气候模式比较计划的大气模式GAMIL，国家气候中心耦合气候系统模式BCC-CSM，美国能源部地球系统模式E3SM采用；开发的人工智能物理参数化在线框架被E3SM采用。作为核心骨干成员参与美国能源部的E3SM.v3地球系统模式开发、先进计算科学发现（SciDAC）、全球气候观测和研究项目（ARM）、科学重点研究计划（SFA）和气候系统模式开发和验证（CMDV）等重大项目。至今担任《Geosci. Model Dev.》期刊的专题编辑。
报告简介：
由于我们对复杂物理过程的理解尚不充分，地球系统模式仍面临显著的不确定性。近年来，AI方法因其在处理高维、强非线性问题上的优势而备受关注。然而，其“黑盒”特性及泛化能力的局限，制约了其在科学领域中的可靠应用。将物理知识与AI方法有机融合，正展现出巨大的潜力：一方面，物理知识可引导AI模型获得更稳健、更可靠的性能；另一方面，AI的高效性和可解释技术，也有利于揭示和深化对复杂物理机制的理解。在本次交流中，我将简要介绍过去几年的一些工作，主要包括：面向极高分辨率模式的AI模拟器、AI-物理融合模型、基于AI的耦合模式参数自动调优，以及融合物理先验与AI的空间分布场重构技术等。
欢迎广大师生踊跃参加！
大气物理学院
2026年1月8日
