会议介绍
数据密集型范式的演进。地球物理学一直是一个数据密集型领域,但现代采集技术(如高密度地震和分布式声学传感)产生了复杂、多尺度的海量信息。传统的解释方法难以应对这种数据体量和多样性,形成了瓶颈并引入了不确定性。人工智能/机器学习的第一波浪潮通过自动化和加速处理解决了某一类问题,比如断层检测、噪声压制等明确定义的任务。在我们进入更具变革性的第二波浪潮,人工智能将超越自动化,成为科学发现的协作伙伴,不仅提供答案,还能提供可量化的不确定性和多种生成情景。
地球物理学中的人工智能正从一个任务自动化的有用工具,演变为一个用于智能发现的战略平台。新一波人工智能——包括基础模型、生成式人工智能和视觉-语言系统——正在重新定义地下发现的本质,预示着地球科学家能够以前所未有的速度、创造力和信心探索地下的一个未来。本次会议将总结人工智能如何通过自动化工作流和降低风险来创造价值,深入探讨下一个前沿领域,探索这些先进技术如何创造多模态、物理约束、协同智能的未来,使地球科学家能够从手动数据处理转向战略性的、人工智能增强的决策,以实现可持续的资源未来。
研讨主题
1. AI驱动地球物理学的基础
2. 地球物理AI应用的现状与挑战
3. 从工具到伙伴
4. 未来方向:通往智能发现的路线图
5. 互动研讨——连接知识与实践
谁应参加?
⚒️ 地球物理相关地学科研及产业
🛰️ 地球物理与遥感技术服务商
🌊 能源、资源环境与行星研究
🤝 产学研创新联盟与跨国企业
🧠 人工智能与数据科学团队
🛡️ ESG与安全风险管理专家
🚀 数字化转型与系统集成商
大会主席
Arthur Cheng,香港中文大学
技术委员会主席
段心标,中石化石油物探技术研究院有限公司
李伟昌,浙江大学
李云月Elita,普渡大学
孙雷鸣,中海油田服务股份有限公司
伍新明,中国科学技术大学
叶杰平,之江实验室 & 阿里云智能集团
余 刚,中石油东方地球物理勘探有限责任公司
(姓氏音序)
技术专委会
曹丹平,中国石油大学(华东)
曹俊兴,成都理工大学
陈国新,浙江大学
陈文超,西安交通大学
方榯楷,浙江大学
房立华,中国地震局地震预测研究所
高照奇,西安交通大学
胡光岷,电子科技大学
李 磊,BGP中石油东方地球物理勘探有限责任公司
李金涛,浙江大学
李懋坤,清华大学
刘明亮,山东大学
刘玉金,沙特阿美北京研究中心
陆文凯,清华大学
马 玥,沙特阿美北京研究中心
马坚伟,北京大学
毛伟建,中国科学院精密测量科学与技术创新研究院
宋 超,吉林大学
孙 剑,中国海洋大学
王本锋,同济大学
王彦飞,中国科学院地质与地球物理研究所
俞红玉,浙江大学
袁三一,中国石油大学(北京)
赵峦啸,同济大学
(姓氏音序。更多技术委员持续增加中……)
投稿须知
1. 篇幅与配图:2-4 页(最多 4 页),文本 + 附图合计满足页数要求即可
2. 排版要求:双栏排版,纸张尺寸为 8.5×11 英寸,所有文本距页面各边留 1 英寸空白
3. 内容要求:需包含足够研究细节,便于评审委员会评判成果质量
4. 字体字号规范
标题:1-2 行,页面顶端,粗体、12 号字
作者:紧随标题下方,罗马斜体、10 号字
正文:罗马字体(无额外字号标注按常规排版即可)
5. 提交格式:仅接受 Adobe Acrobat PDF 格式
6. 写作语言:摘要全文需使用英文撰写
重要日期
征稿开始日期:2026年3月5日
征稿截止日期:2026年5月5日
早鸟注册开始:2026年7月1日
标准注册开始:2026年9月1日
SEG-GeoAI 2026 国际会议 - 地球物理 AI 新纪元:从自动化到智能发现
篇幅不超过4页纸(A4大小)
字体为Times New Roman,字号9 · 标题加粗,字号11
作者及单位斜体,置于标题下方,字号10
正文单倍行距
稿件需为Word或PDF格式