生成式人工智能彻底改变了科学家应对自然界固有不确定性的方式。在里约热内卢联邦大学(Universidade Federal do Rio de Janeiro, UFRJ），研究人员正运用这项技术，在做出岩土钻探、海上作业、大型投资等重大决策前，对同一自然现象模拟多种可能场景。该研究计划被命名为Diff-Twins，汇聚了各领域专家，将分析能力拓展至现有数据的边界之外。
该项目由里约热内卢联邦大学数学博士法比奥・拉莫斯教授牵头，联合了不同学科的研究人员参与。除该校数学研究所外，地球科学研究所、阿尔贝托・路易斯・科英布拉工程研究生院(Alberto Luiz Coimbra Institute of Post-Graduation and Research in Engineering，Coppe)物理海洋学实验室（LOF/Coppe）以及机械工程系的研究人员也共同参与了这一计划。
跨学科研究是Diff-Twins项目的核心支柱之一，技术研发过程中融合了数学、地质学、工程学和海洋学的专业知识。这一研究计划于2022年启动，源于里约热内卢联邦大学与埃克森美孚的合作。埃克森美孚是全球能源领域的跨国企业，也是世界最大的石油天然气公司之一。合作洽谈由里约热内卢联邦大学研发中心牵头，校方指定数学研究所主导生成式模型的研发工作。
法比奥・拉莫斯教授表示，双方团队从初次接触起，理念契合度就十分显著。他称：“在与埃克森美孚研究团队负责人德拉甘・斯托伊科维奇的首次会面中，我们就一拍即合，我们拥有推动这一宏大计划落地的专业能力。”
目前，该实验室正与埃克森美孚开展联合研究，研发的生成式模型主要有两大应用方向：一是数字岩石重构，应用于提高石油采收率的相关研究；二是局域洋流预测，为海上平台的作业条件分析提供数据支持。海上平台是部署在海洋中的工业构筑物，主要用于石油和天然气的勘探、钻探与开采，远离海岸，可在浅海和深海区域作业。
人工智能赋能工程领域研究
研究团队主要将机器学习技术应用于解决企业面临的各类工程难题，机器学习作为人工智能的重要分支，能让计算机通过数据实现自主学习。里约热内卢联邦大学应用数学博士研究生贝尔纳多・谢弗表示：“这一研究方法能够通过有限数据估算地质属性，优化快速洋流的短期预测结果，同时深化对扩散模型的理解，而扩散模型正是生成式人工智能的技术核心。”
该实验室的研究主要分为两大方向。在地质研究领域，研究人员通过三维计算模型生成虚拟岩石样本，模拟多种场景，精准还原岩石的内部结构，尤其是孔隙和通道的分布特征。
借助这一模型，可模拟流体和气体在岩石内部的运移规律，这一步骤对于油气藏勘探研究、研发高效安全的二氧化碳封存策略而言至关重要。
在海洋研究领域，研究工作则围绕海洋环境的作业安全展开。研发的模型可模拟多种海洋场景，计算特定时间、特定海域出现强洋流的概率。
拉莫斯教授解释，赤道边缘海域的海上作业需要极高精度的预测数据，因为该区域的洋流流速更快、变化也更为复杂。他说：“我们的研究目标是降低作业风险，更重要的是，预防各类安全事故和环境灾害的发生。”
人才培养与开放式研究
亨利・纳西门托是里约热内卢联邦大学的数学硕士研究生，同时也是 Diff-Twins 项目的研究人员。他认为，这一项目对硕士研究生、博士研究生和本科科研实习生的培养产生了深远影响。他说：“这份工作让我们接触到诸多无现成答案的实际问题，极大地促进了我们科研思维的成熟；同时，能为解决社会重大问题贡献力量，也让我们收获了满满的成就感。”
拉莫斯教授表示，该研究始终秉持学术自主与知识开放共享的原则。研究团队研发的代码和发表的论文均面向公众开放，所有学术决策均由校内研究人员自主决定。他强调：“埃克森美孚的研究人员不仅专业能力过硬，还十分尊重我们的研究方向选择。他们会提出工业领域的研究重点，但我们拥有充分的自主决策权，可自主规划研究路径。”
该实验室在人工智能领域的研究经验，早于与埃克森美孚的合作。研究团队此前已与壳牌公司、巴西国家交通基础设施局、Coppe交通研究所等机构开展合作研究，研究领域涵盖无机结垢预测、联邦公路交通流量分析等。拉莫斯教授认为，这份研究积淀是Diff-Twins项目得以推进的关键。
他说：“尽管当时我们在扩散模型方面的直接研究经验尚浅，全球掌握这一技术的研究团队也寥寥无几，但我们已拥有扎实的研究基础，同时合作方也对相关研究难题有着深刻的理解。”
除了推动技术创新，Diff-Twins这类项目更助力科研人才培养，夯实科研生态基础。该计划为十余名科研人员提供了培养机会，涵盖博士研究生、硕士研究生、本科科研实习生和博士后研究人员。
这也为里约热内卢联邦大学数学研究所打造了一套完善的科研生态体系。正如法比奥・拉莫斯教授所言：“无论风雨晴晦，这里始终有人在潜心研究、交流探讨、验证假说、快速试错、持续精进。” 这份科研活力提升了研究效率，也推动了研究质量的不断攀升。