在日地空間環(huán)境研究中，精確獲取太陽風參數(shù)是關(guān)鍵環(huán)節(jié)。傳統(tǒng)方法主要借助日冕與行星際磁流體動力學(xué)（MHD）模型的耦合，先通過前者在0.1天文單位（AU）處的運算結(jié)果作為內(nèi)邊界條件，再進行傳播計算。然而，這一過程計算量巨大、耗時漫長，難以滿足實時空間天氣預(yù)報的迫切需求。

為突破這一瓶頸，中國科學(xué)院國家空間科學(xué)中心太陽活動與空間天氣全國重點實驗室的沈芳研究員團隊，攜手比利時荷語魯汶大學(xué)Stefaan Poedts教授團隊，引入機器學(xué)習技術(shù)，成功實現(xiàn)了太陽風參數(shù)在0.1 AU處的快速重建與預(yù)測，為空間天氣預(yù)報開辟了高效、實時的新路徑。

研究團隊創(chuàng)新性地提出一種基于U型卷積神經(jīng)網(wǎng)絡(luò)（U-Net）的太陽風參數(shù)快速生成方法。該模型以全球日震觀測網(wǎng)絡(luò)—美國光球磁通量同化傳輸模型（GONG–ADAPT）的光球磁圖作為輸入，以基于通用面向?qū)ο罅黧w動力學(xué)框架的非結(jié)構(gòu)網(wǎng)格日冕磁流體力學(xué)模型（COCONUT MHD）的輸出結(jié)果為學(xué)習目標。經(jīng)過訓(xùn)練，模型能夠直接預(yù)測0.1 AU處太陽風的徑向速度、數(shù)密度和徑向磁場。訓(xùn)練完成后，模型單次運行即可輸出完整球面的太陽風參數(shù)分布，還能有效捕捉其在卡林頓自轉(zhuǎn)周期內(nèi)的時序演化特征。

在測試集上，該模型展現(xiàn)出了卓越的性能。徑向速度、數(shù)密度和徑向磁場的相關(guān)系數(shù)分別高達0.992、0.987和0.991；推導(dǎo)的阿爾文（Alfvén）速度與動壓的相關(guān)性分別達到0.996和0.769。這表明模型不僅精準再現(xiàn)了關(guān)鍵太陽風參數(shù)的空間分布，還成功捕捉到了其隨時間變化的動態(tài)規(guī)律。

在計算效率方面，該模型優(yōu)勢顯著。僅使用CPU時，單次預(yù)測耗時約7.8秒；在GPU（1 GPU + 10 CPU核）環(huán)境下，僅需0.065秒。與傳統(tǒng)COCONUT MHD模擬相比，分別提升了約15倍和1800倍。這一成果極大地提高了太陽風模型的運算效率，為近實時太陽風預(yù)報和大規(guī)模日球建模提供了可行的技術(shù)方案。

該研究得到了國家自然科學(xué)基金、國家重點研發(fā)計劃、空間中心攀登計劃等項目的聯(lián)合資助。相關(guān)論文已發(fā)表于國際SCI期刊The Astrophysical Journal Supplemental Series。