从行星数据到人工智能：2026年“鲲鹏计划”引领大学生沉浸式体验香港大学太空研究

一项由香港大学太空研究实验室与地球 knit 行星科学系联合举办、为期19天的项目，引领了50名本科生深入探索太空数据、科学计算、实验演示以及人工智能（AI）驱动的行星发现。

学生应如何将来自航天器、望远镜和数值模拟中日益增长的庞大数据，转化为具备意义的科学成果？在2026年8月11日至29日期间，2026年“鲲鹏计划”为50名来自江苏省高校的本科生提供了一个在香港大学探索该课题的机会。

该项目由太空研究实验室（LSR）与地球及行星科学系（DEPS）联合举办，将行星科学与人工智能及大数据分析相结合。太空研究实验室提供了一个跨学科的研究环境，让学生见识到太空科学家如何结合物理模型、任务观测、数值模拟和计算工具来研究复杂的行星系统。

课程内容涵盖太空天气、行星磁层、极光、行星表面、遥感、深度学习、科学人工智能（AI for Science）以及大规模数值模拟。学生学习了基于 Python 的分析方法并应用了 PyTorch，同时探讨了如何获取、准备、可视化和评估来自主要行星任务与国际档案馆的数据。项目的目的不仅在于教授软件操作，更在于展示每种计算方法必须如何与明确的科学问题保持紧密联系。

在整个项目中，讲座与实践工作相辅相成。学生们探索了 AI 辅助的极光图像分类、太阳爆发与磁层环境的数值模拟，以及行星遥感数据的解读。这些活动向学生介绍了数据驱动科学的机遇与责任，包括理解数据质量、仔细测试方法以及在发表成果时说明其局限性的必要性。

在太空研究实验室位于数码港的设施内，学员们接触到了一个横跨行星科学、天文学、工程学和计算科学的开放式、协作性研究环境。演示和分组讨论鼓励学生思考仪器如何呈现物理现象、研究人员如何在观测与模拟之间架起桥梁，以及跨学科团队如何解决单一领域无法单独应对的难题。

互动式演示让抽象的概念变得更加具体。通过观察实验设备并讨论每套装置所代表的模型，学生们得以将物理过程与太空研究中所采用的测量、假设和分析选择联系起来。

该项目遵循了紧凑型研究体验的结构。在建立起共同的基础知识后，学生分成九个小组，自行确定课题、收集并处理数据、评估研究结果并准备最终汇报。在8月28日，各个小组向评审小组汇报了其项目，并就其科学推论、分析选择和结论回答了提问。这一过程让学员直接体验到研究是一项反覆迭代、通力合作的工作，而非一连串预先设定好的答案。

“鲲鹏计划”亦推进了太空研究实验室对知识交流及培养年轻科学人才的承诺。通过让大学生接触一线研究人员、研究基础设施以及真实的数据分析挑战，该项目在保持研究环境严谨学术性的同时，让太空科学变得更加触手可及。

学员在完成项目时获得了编程、团队协作和研究沟通方面的实践经验，并对人工智能时代下行星科学的转变有了更清晰的理解。他们的表现表明，新一代的太空研究人员需要同样适应提出物理问题、处理复杂数据集以及跨越传统学科边界进行协作。