The Innovation Informatics | AION：物理信息机器学习赋能高维电离层时空状态预测

背景：电离层（60-1000km）是连接地面与太空的关键纽带，其动态变化直接影响短波通信和卫星导航等技术，但观测稀疏与物理机制复杂长期制约建模精度。研究目的：复旦大学团队提出AION（AI for IONosphere）框架，旨在通过物理信息机器学习实现全球电离层高维时空状态的精准生成和预测，解决传统模型在数据稀疏和物理闭合不确定条件下的局限性。结论：AION将深度算子网络与电离层物理过程深度融合，通过预训练的物理闭合模型和可微分约束，实现多源异构数据（如GNSS、测高仪、雷达）的同化，在观测稀疏条件下稳定重建电子密度和电子温度。测试结果显示，AION的电子温度预测误差比国际参考电离层（IRI）降低54.5%，电子密度精度提升38.2%，并能在局部剖面和全球尺度上准确再现电离层结构。该框架为空间天气预报提供了新范式，有望推广至短波通信选频、卫星导航增强等应用。