中国海洋大学数学科学学院高振教授及其合作者在海洋与大气领域的TOP期刊《JGR:Oceans》上发表了题为“Physics-Informed Deep Operator Learning Based on Reduced-Order Modeling for Retrieving the Ocean Interior Density From the Surface”的研究论文。

上述论文研究的是利用海洋表面信息重构海洋内部结构问题。从海洋表面数据重建海洋内部密度是弥补海洋观测不足的一种有价值的方法。之前的工作大多是纯粹的数据驱动或基于动态的方法。为了同时利用动态模型和数据驱动模型的优势，本研究提出一种基于物理信息的深度算子学习算法来重建密度场。与纯数据驱动和基于动力学的方法相比，该方法显示出优越的预测性能和更强的鲁棒性。这些发现强调了在海洋科学研究中结合物理约束的深度学习算法的潜力。

该研究工作是陈元红与中国海洋大学的高振教授、刘力等人合作完成，陈元红为第一作者，本项工作得到国家自然科学基金和山东省自然科学基金的部分资助。

论文链接地址：https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2023JC019941