基于掩码自编码器（MAE）框架的自监督人工神经网络闪电波形分类器流程图
闪电波形识别准确率，及两个公开的闪电波形数据集分别应用原文方法和本文方法的准确率对比
核心PI
|
中国科学院 |
袁善锋，中国科学院大气物理研究所副研究员，硕士生导师。2019年毕业于中国科学院大气物理研究所获博士学位，随后留所作博士后研究，2022年评为副研究员。曾获中国科学院院长奖特别奖、北京市科协青年人才托举工程、博士研究生国家奖学金等荣誉。
1、基于VHF偏振成像探测的闪电通道重新击穿现象研究, 负责人, 国家任务, 2025-01--2028-12；
2、北京市科协2024-2026年度青年人才托举工程项目, 负责人, 地方任务, 2024-01--2026-12；
3、雷暴云起电和闪电始发过程与机制研究, 参与, 国家任务, 2023-01--2027-12；
4、云内先导发展对正地闪放电过程的影响研究, 负责人, 国家任务, 2021-01--2023-12；
5、基于FPGA的雷电射频三维成像系统, 参与, 国家任务, 2021-01--2025-12；
6、中国科学院特别研究助理资助项目, 负责人, 中国科学院计划, 2020-01--2021-12；
文章信息：
上述研究成果发表于国际期刊《Geophysical Research Letters》。浪潮信息AI&HPC团队卢晶雨博士为论文第一作者，中科院大气所袁善锋副研究员为论文通讯作者。该研究得到了国家自然科学基金（42027803, 42230609, 42475098）、中国科学院大气物理研究所十四五规划青年项目、中国科学院战略先导专项（XDB0760100）、大气环境与极端气象全国重点实验室自主课题青年项目（2024QN09）联合资助。
论文信息：
Lu, J., Li, J., Liu, Y., Yuan, S.*, Pu, Y., Bian, Q., et al. (2025). An efficient lightning classifier using a self‐supervised learning neural network. Geophysical Research Letters.
https://doi.org/10.1029/2025GL115067
点击文末“阅读原文”可查看成果发布源。