现代快报讯（记者 于露）日前，第23届人类竞争结果奖ACM SIGEVO Human-Competitive Results Awards（HUMIES）获奖结果正式揭晓。记者从南京大学了解到，由该校牵头完成的研究成果“全球有孔虫化石记录揭示始新世-渐新世时期海洋生态的复杂响应”荣获银奖。这是该奖项自2004年创办以来，中国单位首次作为牵头方获奖。南京大学人工智能学院钱超教授代表团队在现场作成果汇报并领奖。
该获奖成果于2026年3月14日发表于《自然·通讯》。研究团队将高质量化石数据库、定量地层学方法与人工智能算法深度融合，自主开发了受人工智能启发的新一代定量地层学算法——基于演化算法的约束最优化法，并据此首次精确揭示了约3390万年前气候剧变时期海洋不同生态类群的复杂响应模式。
始新世-渐新世过渡期是地球从“温室”状态向“冰室”状态转变的关键节点。当时，南极大陆开始形成陆地尺度的永久冰盖，全球气候与环境发生剧烈重组。海洋生物如何应对这场环境剧变，是理解深时气候—环境—生命协同演化的核心科学问题之一。
为破解这一难题，研究团队利用自研的地层古生物大数据平台——OneStratigraphy，系统收集并整合了全球161条地层剖面和钻井的有孔虫化石资料。经过严格的数据清理与筛选，最终获得了1269个有孔虫物种的约4万条化石产出记录。在此基础上，他们创新性地开发了受人工智能启发的新一代定量地层学算法——基于演化算法的约束最优化法。该算法的核心思路是：把每一个可能的全球地层对比方案模拟为一段“DNA”，然后让这些“DNA”像生物一样经历变异、重组和自然选择，通过“优胜劣汰”不断进化，最终筛选出最合理、最一致的地层对比结果。
图为扫描电子显微镜下形态多样的有孔虫。有孔虫分布广、演化快且化石记录丰富，是全球地层对比以及追踪重大气候事件中海洋生态响应的重要载体。
值得一提的是，基于南京大学人工智能学院在演化学习理论方面的前期积累，团队在演化算法的多个部件上进行了创新，包括引入基于领域知识的解初始化、基于学习的自适应变异和基于多样性的重组策略，使得CONOP.EA相比上一代CONOP.SAGA算法计算效率提升约23倍，得以高效处理大规模化石记录数据并绘制出跨越2800万年、时间分辨率达2.9万年的全球高分辨率有孔虫多样性曲线。基于该曲线的深入分析发现，不同生态类型的有孔虫对EOT环境变化响应存在明显差异：浮游有孔虫和大底栖有孔虫在冰盖形成期显著灭绝，而小底栖有孔虫则在更早时期经历辐射，随后步入漫长的衰退期。EOT时期的海洋生态响应具有复杂性和生态分异性，不能简单归结为单一驱动机制。
该研究进一步凸显了高质量化石数据库、定量地层学方法与人工智能算法三者深度融合的巨大潜力，为全球深时生命·环境协同演化研究提供了新的方法路径。
该成果是南京大学在AI for Science战略方向上的重要产出，也为地球科学与人工智能的深度交叉融合发展提供了标志性范例。
拉伯配资提示：文章来自网络，不代表本站观点。
