近日，资源与环境学院声学信息智能感知与成像团队博士研究生张琦，在《中国科学：地球科学》发表题为“生成式人工智能在地震信号处理和成像中的现状及展望”的综述论文。张琦为论文第一作者，团队方志龙研究员、王华教授为论文通讯作者，电子科技大学资源与环境学院为论文第一单位。
地震信号处理与成像是认识地球内部结构、开展资源能源勘探的重要技术手段，涉及信号去噪、数据重建、地震成像与反演等关键环节。受复杂地质条件、噪声干扰、采样不足和数据缺失等因素影响，传统方法在复杂场景下面临处理精度、计算效率和先验依赖等方面的挑战。近年来，生成式人工智能（Generative Artificial Intelligence, GenAI）凭借学习复杂数据分布和生成多样化结果的能力，为地震数据处理与成像提供了新的技术路径。
针对这一发展趋势，张琦在方志龙、王华的指导下，系统梳理了GenAI在地震信号处理、地震成像与地质解释等领域的研究进展，围绕生成对抗网络（Generative Adversarial Network, GAN）、变分自编码器（Variational Autoencoder, VAE）、自回归模型（Autoregressive Model, AR）、标准化流（Normalizing Flow, NF）、扩散模型（Diffusion Model）和混合专家模型（Mixture of Experts, MoE）等代表性生成模型，总结其基本原理、技术特点及适用场景，并从地震数据生成与模拟、地震数据处理、地震反演与成像、地震数据解释四个方面归纳相关研究进展，分析GenAI在复杂地震数据处理中的应用潜力与现实局限。
研究表明，GenAI 正在推动地震数据处理从以确定性映射为主的传统范式，向可刻画数据分布、生成多组候选解并表征不确定性的概率建模范式演进，为应对地球物理问题中普遍存在的多解性、观测数据不完备、高质量数据获取成本高等难题开辟了新路径。未来研究需要推动生成模型与地震波传播规律、地下介质先验知识及科学计算方法深度融合，促使研究范式从单纯 “数据驱动” 升级为 “数据、知识与物理规律协同驱动”；同时依托大模型、多模态学习与多源地球物理观测数据，构建面向地球科学任务的基础模型与智能分析框架，提升复杂地球物理问题的自动化分析与科学计算能力。该项研究也为领域内科研人员认识各类生成模型的技术特征与应用潜力提供了重要参考。
声学信息智能感知与成像团队，由王华和方志龙组建，以建立地球物理研究新范式为目标，长期开展人工智能和地球科学的交叉研究。团队已与哈利伯顿等国际头部地球物理服务公司开展合作，在《Mechanical Systems and Signal Processing》《Geophysics》《IEEE Transactions on Geoscience and Remote Sensing》《SEP Journal》等行业顶级期刊发表数十篇论文。未来，研究团队将进一步探索GenAI与地震波传播机理、地下物理先验知识、科学计算方法的深度融合，构建数据、知识、物理规律协同驱动的智能地球物理处理方法体系，推动相关技术在复杂地质场景下的智能分析与实际应用。
英文版论文链接：https://www.sciengine.com/SCES/doi/10.1007/s11430-025-2038-7
中文版论文链接：https://www.sciengine.com/SSTe/doi/10.1360/SSTe-2025-0265
