科学智能赋能空间科学研究（2）：AI4S 范式下空间科学实验的核心挑战

中国科学院空间应用工程与技术中心在空间科学实验领域的研究覆盖了多模态空间科学实验数据模式挖掘、领域知识抽取、跨学科知识融合与认知智能等研究内容，有效促进了空间科学实验领域的数据应用生态的体系化建设，相关研究成果已正式发表于权威学术期刊《中国科学院院刊》。

随着科学技术的不断发展，人工智能（AI）在各个科学领域都展现出了革命性的影响力，催生出了新的科学研究范式 AI4S（AI for Science），为科学研究开辟了新的道路。而在 AI4S 范式下的空间科学实验领域的研究，更将有力促进空间科学实验领域取得重大科学成果，推动AI与空间科学交叉学科的繁荣发展。

在空间科学实验领域，我国空间科学与应用技术蓬勃发展，已依托中国空间站开展并将持续开展一系列空间科学与应用任务和计划，产生的空间科学数据与日俱增，并呈迅猛增长态势。在AI4S范式的背景下，结合微重力条件下空间科学实验的领域数据特点，充分挖掘空间科学实验数据蕴含的高价值信息，将有力促进科学发现与认知发展。

空间科学实验领域AI4S的研究旨在聚焦探索AI与空间科学实验领域的深度融合，利用AI技术学习、模拟、预测和优化空间科学实验领域各种现象和规律以解决各种科学问题，构建以AI支撑基础和前沿的空间科学实验数据研究的新模式，加速空间科学实验领域科研范式变革和能力提升，从而推动领域科学新发现和创新。然而，在空间科学领域迅速发展的背后，研究者们正面临着前所未有的问题与挑战。

• 空间科学实验多模态数据信息提取的复杂与困难，使得数据表征、特征融合更具挑战

空间科学实验开展过程中，针对特定研究领域的实验对象产生的实验数据，往往以不同的模态形式存在，如物理量参数、图像、视频等数据，这些数据都隐含了研究对象在空间特殊环境和实验条件下的科学规律。多模态表征通过利用多模态数据之间的互补性，剔除模态间的冗余性，从而学习并提取不同模态数据的特征表示。空间科学实验产生的多模态实验数据的复杂处理方式、