Abstract
数学物理反演问题及其科学计算是自然和社会科学领域广泛关注的问题，基本思想是旨在通过外部可观测数据，反向推演系统内部的未知参数或演化过程，是连接理论模型与实际观测的关键桥梁。随着高性能计算技术的飞速发展，针对该问题的科学计算已成为跨学科研究的前沿热点。本次报告关注地球物理反问题，即利用地表观测数据推断地下介质的物理性质与结构。传统地球物理反演依赖于数理模型的构建与高效的数值计算。然而，由于数学问题的不适定性以及地下介质的复杂性，纯模型驱动的计算方法往往会导致多解性（非唯一性）和计算不稳定等问题。为解决上述问题，数据驱动方法利用海量观测数据，借助统计分析与机器学习技术挖掘数据中的潜在规律，从而提升了反演结果的稳定性与准确度。随着计算技术的不断进步，知识驱动的智能计算方法应运而生。该方法融合了领域知识与先验信息，将物理模型与数据分析相结合，不仅提高了问题求解的稳定性，还增强了反演结果的物理合理性与计算效率。此外，量子计算（QC）的兴起为地球物理反演问题提供了全新的解决方案。量子计算利用量子力学原理，在处理复杂计算任务时能够实现并行计算与指数级加速。针对地球物理反演问题，量子计算的潜力在于其能够大幅提升计算效率并处理大规模数据集，从而实现更快速、更精准的反演。融合模型、数据与知识驱动的地球物理反演及智能计算，代表了一种综合性的创新研究范式。它充分利用物理模型、观测数据与领域知识，借助智能计算技术实现对地下结构的精准探测。这不仅推动了地球物理反演问题的研究进展，也为实际工程应用提供了更为可靠、高效的解决方案。
