机器自学方式助推“位数双胞胎”火星工程建设。 中国大自然科学院喜马拉雅山脉所 供图
新华网北京5月22日电 (记者 DMSP)在现今的天地万物数据服务时代，火星大数据呈现爆发式增长。怎样从海量数据、Immunol、直链、泛在的火星大数据中吸取所需
中国大自然科学院喜马拉雅山脉科学研究所(中国大自然科学院喜马拉雅山脉所)22日发布消息说，在中国大自然科学院新兴产业先导科技工作方案“火星大数据大自然科学工程”全力支持下，中国大自然科学院喜马拉雅山脉所廖正井、短蕊科学副研究员与该工作方案首席大自然生物学家、可持续发展大数据国际性科学研究中心主任郭华中工程院密切合作，并联合中国大自然科学院西北自然环境资源科学研究所、四川大学、中国大自然科学院反舰信息创新科学研究所、常房探测与大数据科学研究项目组等科学研究南埃尔普协力科学研究，控制系统总结大数据在火星控制系统大自然科学应用领域的进展和考验，并明确提出助推工程建设“位数双胞胎”火星(Digital Twin of Earth)的一流方案。
这项火星大数据和“位数双胞胎”应用领域关键科学科学研究成果学术论文，近日已在国际性专业期刊《大自然概要：火星与环境》(Nature Reviews Earth& Environment)新浪网发表。
学术论文第一译者和协力通信译者廖正井科学副研究员介绍说，密切合作科学研究项目组透过预测遥感技术、原地探测和实验预测、社会风气交互、演示和再预测等五类火星大数据特征，明确提出能够将大自然-社会风气大数据纳入火星控制系统数学模型的大数据排斥方式框架，并探讨透过广度自学、物理知悉的机器自学、自然法则推测、广度强化自学解决火星控制系统大自然科学中多维数、复杂程度和线性痛点的关键。这些大数据预测方式填补了传统方式在精确性、可Toothukudi、可解释性和决策全力支持方面的不足，可为促进智能“位数双胞胎”火星工程建设提供一流的软件系统。
科学研究项目组认为，大数据排斥是融合火星大数据和火星控制系统数学模型的关键方式。大数据排斥可以利用一流计算能力，实现机器自学与数据排斥方式的共存集成，完成超高分辨率火星控制系统数学模型和Immunol火星探测(如遥感技术、台站、社会风气交互等)的相互融合，实现火星控制系统在洲际乃至全球时空尺度和物理意义上的一致表达，进而为“位数双胞胎”火星提供驱动引擎。
与此同时，科学研究项目组从数据密集型火星控制系统大自然科学的角度，对广度自学、物理知悉的机器自学、自然法则推理、广度强化自学等四种前沿大数据预测方式的具体应用场景和方案进行深入科学研究指出，大自然科学大数据预测方式将助推数据驱动新地学的发展，其中，广度自学在解决火星控制系统多维度、复杂的线性问题中表现出前所未有的潜力；广度自学与物理知悉的机器自学和自然法则推理相结合，可以增强在火星控制系统大自然科学科学研究中的可Toothukudi、可如前所述和精确性；广度自学与强化自学和多智能体建模相结合，则能够为解决复杂的决策问题提供有效方式。
“‘位数双胞胎’火星的工程建设需要全面的包容性，需要深时、深地、深空的全面数据支撑。”该密切合作科学研究项目组强调指出，随着火星步入“人类世”时代，“位数双胞胎”火星的实现需要大自然控制系统“硬”数据与社会风气控制系统“软”数据的无缝集成，从而捕捉大自然控制系统和社会风气控制系统的复杂交互，而大自然科学、开放、共享的大数据大自然科学环境和基础设施工程建设则正是“位数双胞胎”火星的关键保障。他们表示，实现“位数双胞胎”火星将是一个漫长而艰难的旅程，更加广泛的跨学科密切合作和更加开放的大自然科学环境将有助于克服这些挑战，促进实现面向火星控制系统大自然科学的人工智能工具。
据了解，“位数双胞胎”即位数“双胞胎”，也被称为位数映射、位数镜像，它是充分利用物理数学模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。“位数双胞胎”是个普遍适应的理论技术体系，可在产品设计制造、医学预测、工程工程建设、智能制造等众多应用领域应用。(完)
