深时数字地球（Deep-time Digital Earth，DDE）是由我国科学家主导发起并受国际学术界认可的首个大科学计划。该计划围绕地球演化这一科学命题，通过全球科学家和机构协作，运用人工智能、大数据、超级计算等现代技术，整合过去数十亿年地球时空大数据，构建地球科学全领域知识图谱，建立全球共享的处理分析平台，研究生命演化、地理演化、气候演化与物质演化相关重大科学问题，推动地球科学研究范式变革。

在此背景下，和鲸科技联合浙江大学地球科学学院师生，共同发起了DDE 深时数字地球国际大科学计划系列工作坊。工作坊积极响应 DDE 国际大科学计划的相关倡议，基于 Open Science 理念，由和鲸社区开设分主题社群与讨论区，特邀多位相关领域的研究人员，通过专业、友好、可复现的地学 Python 应用案例 + 实战培训，帮助参与者切实提高使用数据技能解决真实科研问题的能力。

在如今的“科学智能”新时代，立足 AI for Science 视角，采用各种现代化分析方法解读、可视化海量的地学数据，可以进一步帮助我们理解地球圈和生物圈协同演化过程。

为此，在工作坊第一期的课程中，特邀讲师董王统博士带领大家通过实际案例学习了如何通过新型数据驱动型分析策略，挖掘分析矿物数据，并获得结论。通过课程学习，学员们能够利用所学知识技能分析矿物数据，并利用矿物网络分析中提供的数据绘制出弦图或曲线图，实现数据的可视化。

课程展示了利用 AI 和 Python 等工具进行从矿物数据获取和整理到数据分析、可视化的一条龙工作流程，为学员们展示了科学智能引导下的地球科学科研新范式。以下是课程中部分数据处理和分析方法的示例。

1. 处理矿物数据并生成矿物节点

2. 使用共生模式作为影响最终网络节点颜色的分类

钒矿物的力导向网络图绘制步骤

1. 生成钒矿物之间的邻接矩阵

2. 定义网络的边和节点

3. 添加节点与边界

4. 通过 Pyecharts 包访问 ECharts 绘制钒矿物的力导向网络图

通过一系列的数据分析和可视化处理，我们可以得到直观的矿物数据特点，助力矿物相关研究进行更加高效、有序。在科学智能的驱动下，借助大模型技术，我们可以对矿物数据深度挖掘，自动识别矿物特征关联。搭配智能可视化平台，还能够实时生成动态图谱，辅助研究者快速定位异常、模拟成矿过程，让地球科学研究从数据海洋中精准捕获规律，迈向智能化探索新维度。

当前，科学智能发展迅速，AI4S正逐渐改变科学研究的模式。您可联系和鲸了解其他科学智能驱动科研范式变革相关案例，获取更多科研灵感与助力。

和鲸科技深耕人工智能与数据科学十年，以推动 AI for Science 科研范式改革为使命，依托旗下数据科学协同平台 ModelWhale，开启了全方位的创新实践。近年来更是联合众多科研组织与机构，全面推进 AI for Science 在垂直领域创新应用，为赋能国家创新体系建设添砖加瓦。

和鲸 ModelWhale 已面向科研机构、高校及专业领域企业及个人打造专属科学智能应用，致力于为人工智能科研团队、学者提供科研支持与助力。欢迎您点击这里（建议您在PC端打开）或联系和鲸工作人员免费体验。