对地球深部结构的探测一直是地球科学的核心问题之一。在全球地震学尺度下，传统方法中的先进技术手段——全波形层析成像，长期受制于数值方法精确模拟地震波传播过程所需的巨大计算量、计算精度、海量反演参数空间、以及海量数据等诸多瓶颈。

图 1地球结构全波形反演层析成像框架示意图(基于对大数据地球波场模拟的学习和物理感知深度学习神经算子网络，新框架有望全面提高全球尺度下地震波传播和全波形反演层析成像的效率和精度)

北京大学地球与空间科学学院讲席教授宋晓东与心理与认知科学学院/人工智能研究院助理教授朱毅鑫组成的研究团队，在北大"AI+"战略推动下开展密切合作。依托人工智能研究院智慧宜居地球研究中心，团队针对上述经典问题，提出了一种新的地球结构全波形反演层析成像地震波传播和反演方法。

该方法通过大规模计算支撑下前沿高效的数值轴向谱元法（AxiSEM3D）全波形模拟，融合最新的物理感知深度学习神经算子网络。该框架结合弹性波波动物理特征的约束和人工智能网络，直接学习震源-波场-速度结构之间的算子映射关系，以此为基础构建具备物理感知的地震全波形波场神经网络。该网络显示出对不同模型波形模拟的极强泛化性和近乎瞬时的模拟效率，相较于基于网格剖分的传统数值方法加速了数万倍，也为反演空间提供了巨大的灵活性和潜力。

该研究还同步面向人工智能社区发布了全球尺度下球谐表征的三维正演模拟全波形数据集（GlobalTomo），综合涵盖了声波、弹性波、固液耦合等符合真实地球内部物理的应用场景，并搭建了若干机器学习基线模型，有望共同推动人工智能在全波形反演技术中的发展。

这项工作也展现了人工智能技术在地球内部成像领域不只是"加速计算"，更是科学研究模式的转型，从海量数据到物理模型驱动，从偏微分方程求解到地球反演结构智能学习的新范式。

图 2合成测试结果。在地球内部结构球谐表征下，利用新的人工智能全波形反演层析成像框架可以很好地恢复三维模型输入，较传统基于数值模拟的算法加速数万倍。

该项研究发表在人工智能领域的顶级会议Neural Information Processing Systems (NeurIPS 2025) Dataset and Benchmark Track。文章获得了四位专业审稿人和编委的高度评价，指出"这是技术上无瑕疵的论文，对一个或多个AI领域具有开创性影响，在评估体系、可复现性和资源支撑方面达到极高水准"（"Technically flawless paper with groundbreaking impact on one or more areas of AI, with exceptionally strong evaluation, reproducibility, and resources."），"该研究应对了全球全波形反演领域长期存在的瓶颈问题，为未来研究奠定了基础"（"Addresses a long-standing bottleneck in global FWI and provides a foundation for future research."），"作为首个全球尺度下的地震波模拟基准数据集，这项研究填补了地震机器学习领域的关键空白，搭建了地球物理与机器学习之间的桥梁"（"First benchmark dataset at global scale for seismic modeling, bridging geophysics and ML, that fills a critical gap in seismic ML research."）。

文章第一作者为人工智能研究院博士生李世乾和地空学院博士后李智，通讯作者为地空学院宋晓东教授和心理与认知科学学院/人工智能研究院朱毅鑫助理教授，其他主要合作方还包括英国卢瑟福阿普顿实验室和NVIDIA。该研究受到国家自然科学基金重大项目"地核的精细结构及时变机制"(42394111)以及北京大学新工科交叉专项的支持。同时，该项研究已受邀在今年AGU（美国地球物理学术年会）Advances in Machine Learning for Solid Earth Geoscience专题做邀请报告。

文章引用：

Li SQ, Li Z, Mu ZC, Xin SJ, Dai ZX, Leng KD, Zhang RH, Song XD, Zhu YX (2025). GlobalTomo: A global dataset for physics-ML seismic wavefield modeling and FWI, Conference on Neural Information Processing Systems (NeurIPS 2025) Dataset and Benchmark Track, doi:10.48550/arXiv.2406.18202