当前，地球化学面临着日益复杂的科学问题，从全球元素循环到行星演化，均要大规模、高质量、可复现的数据支撑。然而，实验室日常运行仍高度依赖手工操作：科研人员需在仪器前值守数小时完成序列测试，技术人员因人员流动而流失，实验数据分散存储且缺乏可信时间戳保护。这种“手工作坊式”的传统模式，与人工智能时代对科研效率和数据质量的要求之间的差距正在不断扩大。与此同时，“黑灯实验室”和自主实验等智能化科研范式正在全球加速形成。在贵州省科技计划项目的支持下，中国科学院地球化学研究所冯新斌研究员团队近年来在这一交叉方向持续深耕，从理论框架构建到分析工具研发再到未来实验室蓝图描绘，形成了一条逻辑清晰、层层递进的研究脉络。相关成果发表于《Journal of Analytical Atomic Spectrometry》及《Artificial Intelligence in Geosciences》。

一、认识先行：梳理机器学习在稳定同位素地球化学中的角色与边界

机器学习能为稳定同位素地球化学做什么、不能做什么、未来应向何处去？

团队系统梳理了随机森林、支持向量机、神经网络等主流算法在物源示踪、古气候重建、环境污染溯源等场景中的应用潜力。研究指出，机器学习正从三个层面改变该领域：提升质谱数据处理效率、提高预测精度、揭示复杂地球化学过程机理。更重要的是，该综述直面核心挑战：非传统同位素体系数据稀缺、模型可解释性不足及“黑箱”模型可能产生地球化学上不合理的预测。团队明确提出，未来需通过物理信息神经网络将地球化学基本原理融入模型架构，借助可解释AI框架打开模型“黑箱”，并建立标准化数据基础设施。

图1. 拟用于稳定同位素测试中提升分析性能的机器学习驱动工作流程（引自Zhou et al., 2025）。

二、可行性验证：让机器“学会”专家的质量判断

在认识论基础上，团队需要回答一个更具体的问题：机器学习能否真正学会地球化学专家的经验判断？

团队以汞（Hg）同位素为突破口，因其冷蒸气发生进样对仪器稳定性高度敏感，可作为检验质量诊断方法的“试金石”。开发了“Hg MC Auto”软件，基于2.6万余组历史测量数据构建机器学习模型，将专家的质量判断逻辑转化为可计算、可审计的算法。结果表明，该模型诊断异常数据原因的准确率达99.84%，外部验证中高精度复现了资深专家的判断。其模块化设计可推广至其他同位素体系。该工作的核心意义在于：证明地球化学分析技术领域中依赖个人经验的隐性知识可通过机器学习有效编码和复用，为“将专业技术人员经验固化为系统规则”扫清了技术障碍。

 图2. 实现MC-ICP-MS分析可靠自主性的概念路线图（引自Zhou et al., 2026）。

三、系统架构：从“自动化孤岛”到“智能实验室操作系统”

有了认识框架和技术验证，团队进一步追问：如何将分散的自动化能力整合为一个可扩展的实验室运行体系？

团队提出iGeochem Cloud架构，这是面向智能自动化地球化学实验室（IAGL）的统一信息物理框架。其三大支柱——数字核心（全流程溯源）、AI编排层（专家知识服务化）和FAIR数据网络（跨机构互操作）——构成IAGL的操作系统级基础。在IAGL平台上，可实现仪器智能调度与黑灯实验无人值守运行，全流程可追溯，技术人员操作经验可沉淀为系统规则，原始数据产生即被哈希锁定确保不可篡改。这些能力旨在将科研人员从重复性劳动中解放出来，使其专注于需要创造力的科学思考。IAGL持续产出的标准化、可溯源数据，将为训练地球化学领域专用AI模型提供高质量基础语料。

图3. iGeochem Cloud四层架构图（引自Huang et al., 2026）。

四、意义与展望

总体而言，这三项工作形成清晰逻辑链：综述明确方向，工具验证可行性，架构提出系统方案，系统论证了地球化学实验室从传统模式向“数据驱动、AI辅助、人机协同”新型科研范式转型的可能。

作为全国大数据发展的先行者，贵州正加速从“数据存储中心”向“算力服务高地”再向“智能输出引擎”跃升。在此进程中，地球化学领域的数据标准化与智能化转型，不仅服务于基础科学研究，还将为贵州培育“人工智能+”精确探矿、煤矿灾害监测预警等应用场景提供关键技术支撑。

论文信息：

1. Zhou C, Huang Q, Cui M, Wang X, Feng X. Advances of machine learning in stable isotope geochemistry. Journal of Analytical Atomic Spectrometry, 2025, 40: 3344-3367. 10.1039/D5JA00309A.

2. Zhou C, Huang Q, Tang Y, Zhong Y, Feng X. A data-driven, post-acquisition quality diagnostic pipeline for isotope analysis by MC-ICP-MS. Journal of Analytical Atomic Spectrometry, 2026, 41: 1894-1907. 10.1039/D5JA00519A.

3. Huang Q, Zhou C, Feng X, Tang Y, Zhong Y. iGeochem Cloud: A Cyber-Physical Framework for Intelligent and Automated Geochemical Laboratories. Artificial Intelligence in Geosciences, 2026, 7(3): 100257. 10.1016/j.aiig.2026.100257.

致谢：本研究得到贵州省科技计划项目（MS2025109, QN2025413）的资助。

（环境室 黄强/撰稿）