大氣氧化的過程和機制是宜居星球形成的關(guān)鍵。早期地球大氣幾乎無氧，經(jīng)過至少兩次主要增氧事件（元古宙早期GOE和元古宙晚期NOE）后，才達到了現(xiàn)今大氣O2水平（21%）。重建高精度的深時大氣O2含量演化歷史是地學(xué)領(lǐng)域最重要的科學(xué)問題之一，對于理解宜居地球形成與演化（包括生命、氣候、資源）具有重大意義。一直以來，地球科學(xué)家主要采用生物地球化學(xué)模型和沉積物地球化學(xué)指標來進行大氣O2演化歷史重建，但這一傳統(tǒng)方法受制于沉積巖記錄保存偏差、不完整等影響，造成大氣O2數(shù)值模擬結(jié)果連續(xù)性不好、不確定性大，尤其是在前寒武時期，定量化研究程度低。同時，長期以來，科學(xué)家對地球大氣氧化背后的驅(qū)動機制存在巨大認識分歧，主要表現(xiàn)在地內(nèi)作用與表生作用（占主導(dǎo)）之爭。

近幾十年，先進的觀測、模擬以及測試分析技術(shù)使地球科學(xué)家獲得了空前豐富多樣的數(shù)據(jù)資料。在以大數(shù)據(jù)思維和數(shù)據(jù)密集型計算為基礎(chǔ)的第四范式支配下，借助機器學(xué)習(xí)、知識圖譜、超算等數(shù)字革命技術(shù)，地球科學(xué)家有望突破傳統(tǒng)地學(xué)思維模式的限制，拓展地球科學(xué)的研究范式，實現(xiàn)地學(xué)定量化的宏偉目標。當(dāng)前，地學(xué)大數(shù)據(jù)正在地震預(yù)測、火山噴發(fā)、生命演化以及資源預(yù)測等重大命題研究中逐漸嶄露頭角，也為上述地球大氣氧化過程與機制問題的解決提供了契機。

近日，我校地質(zhì)過程與礦產(chǎn)資源國家重點實驗室成秋明院士、陳國雄副研究員聯(lián)合加州大學(xué)河濱分校Timothy Lyons教授、加拿大地調(diào)局Frits Agterberg教授等國內(nèi)外科學(xué)家，在《自然通訊》（Nature Communications）上發(fā)表了數(shù)據(jù)驅(qū)動地球科學(xué)的最新合作研究成果，題為“Reconstructing Earth’s Atmospheric Oxygenation History Using Machine Learning”（機器學(xué)習(xí)重建地球大氣氧化歷史）。論文第一作者為中國地質(zhì)大學(xué)（武漢）陳國雄副研究員，通訊作者為成秋明院士。

研究人員另辟蹊徑，基于全球鎂鐵質(zhì)火成巖地球化學(xué)大數(shù)據(jù)（Earthchem），構(gòu)建了蒙特卡洛模擬與機器學(xué)習(xí)方法來定量模擬40億年以來地球大氣O2含量的精細演化模式。研究人員首先通過無監(jiān)督機器學(xué)習(xí)發(fā)現(xiàn)全球鎂鐵質(zhì)火成巖地球化學(xué)成分演化模式與大氣“兩步臺階式”氧化模式以及一些局部增氧事件的時間耦合性；揭示了地幔巖漿演化帶來的營養(yǎng)元素、微量元素以及還原性化學(xué)物質(zhì)等在調(diào)節(jié)早期O2源和匯平衡方面的關(guān)鍵作用。進一步，研究人員構(gòu)建了利用火成巖大數(shù)據(jù)與蒙特卡洛模擬大氣氧氣含量的機器學(xué)習(xí)模型，定量重建了40億年來大氣O2含量變化的高分辨率模式；除了成功預(yù)測經(jīng)典的二階演化模式，重建的大氣O2演化曲線提供了地質(zhì)歷史時期更多的增氧去氧細節(jié)（尤其是前寒武時期），并得到了沉積物地球化學(xué)指標的佐證。上述科學(xué)發(fā)現(xiàn)強調(diào)了行星內(nèi)部地質(zhì)過程可能對地表大氣氧化至關(guān)重要，并啟發(fā)我們在尋找其他“類地”宜居星球時應(yīng)更好地理解行星內(nèi)部作用；同時，揭示了大氣分階段氧化與板塊構(gòu)造啟動、超級大陸聚合、大火成巖省以及雪球等極端地質(zhì)事件的耦合性，強調(diào)了地內(nèi)與地表耦合的多層圈相互作用是地球大氣氧化過程的關(guān)鍵。

該論文是成秋明院士領(lǐng)導(dǎo)的數(shù)據(jù)驅(qū)動地球科學(xué)發(fā)現(xiàn)研究的又一項重要成果，為探索地球早期演化提供了一種新的AI范式。大數(shù)據(jù)驅(qū)動與人工智能算法可以揭示海量數(shù)據(jù)集隱含的復(fù)雜相關(guān)性、是否存在因果關(guān)系以及嵌套在這些關(guān)系中的成因機制問題；同時，還可以驅(qū)動地球科學(xué)研究從尋找未知答案的已知問題轉(zhuǎn)變?yōu)閷ふ椅粗獑栴}和未知答案。然而，鑒于人工智能在地球科學(xué)中的應(yīng)用尚未達到認知智能的水平，并且經(jīng)常遭受機器學(xué)習(xí)算法被詬病的黑盒問題，因此，研究人員強調(diào)需要融合人類學(xué)習(xí)和機器學(xué)習(xí)來尋找大數(shù)據(jù)相關(guān)關(guān)系背后的因果機制。盡管仍存在許多未知數(shù)，機器學(xué)習(xí)技術(shù)以及大數(shù)據(jù)和人工智能的最新進展為探索地球的早期演化及其與其他行星系統(tǒng)的相關(guān)性提供了令人興奮的新機會。

圖1.全球火成巖地球化學(xué)大數(shù)據(jù)

（A）Earthchem全球火成巖數(shù)據(jù)庫；（B）鐵鎂質(zhì)火成巖地球化學(xué)成分（元素含量）演化時間序列；（C）鐵鎂質(zhì)火成巖地球化學(xué)成分突變（~2.5Ga）與大氧化事件（GOE）耦合。

圖2.基于機器學(xué)習(xí)重建全球大氣氧氣演化歷史

（A）構(gòu)建深時氧氣預(yù)測的蒙特卡洛模擬與機器學(xué)習(xí)方法；（B）非監(jiān)督機器學(xué)習(xí)挖掘全球鐵鎂質(zhì)火成巖成分大數(shù)據(jù)的分階段演化模式，發(fā)現(xiàn)其與大氣氧化歷史的相關(guān)關(guān)系；（C）利用火成巖大數(shù)據(jù)與機器學(xué)習(xí)定量模擬預(yù)測大氣氧氣含量，揭示大氣氧化成因機制。