记者从新葡的京集团3512vip网站获悉,北京时间3月25日凌晨，《自然·计算科学》在线发表了题为“基于不完整和有噪声数据的复杂网络动态的自主推理”的研究论文，该研究由新葡的京集团3512vip网站物理科学与工程学院、上海自主智能无人系统科学中心严钢教授团队完成。在该研究中，作者提出了数据驱动的复杂系统自主推理新框架，实现了结构信息不完整和强噪声场景下的鲁棒推理，为自动化、智能化地发现真实复杂系统的底层原理提供了重要基础和算法支撑。特别值得一提的是，这一算法能有效验证SARS和COVID-19的早期传播行为。

　　复杂系统是由大量节点相互作用所形成的非平凡系统，例如无人集群系统、物联网、神经元网络、社会信息网络等。随着数字化和微观实验技术的不断发展，很多学科领域都积累了关于实际复杂系统的大量观测数据，主要包括网络结构和节点活动序列。从这些观测数据中发现底层原理，是科学研究常常需要经历的过程。在智能化蓬勃兴起的当今，能否利用人工智能辅助的方式加速这种科学发现的过程，比如从数据中自动化地推理出决定复杂系统行为的动态方程，是学界和业界都普遍关心的问题。

　　以往的研究着重于单节点或少量节点动态方程的推理，对于包含大量节点的复杂网络系统而言，这个问题面临更多挑战。例如，不仅节点活动数据含有噪声，而且网络结构数据可能不准确，节点的自身动力学可能具有异质性，系统宏观行为可能会掩盖节点之间动态耦合的微观机制。为了克服这些挑战，研究团队融合全局和局部两个视角，提出了新的复杂系统自主推理框架。该算法能够高效、准确地从观测数据中推理出隐藏的网络动力学方程，为自动化地发现复杂系统的底层原理提供了有效的新途径。

　　该算法框架具有很强的鲁棒性，能够对抗观测数据中的缺失边、伪连边、观测噪声、关联噪声、内禀随机性等不确定性，在宏观行为同步较强时仍然能够实现推理。与以往针对单个体或少量个体的智能推理方法相比，该研究提出的方法能够在更复杂、非正交项空间中进行搜索，而且在针对数据不确定性的5个模型系统测试中均表现更优。该框架也被应用于推理全球性传染病的传播动力学，算法基于H1N1传播数据，发现了用于描述早期传播过程的简洁的常微分方程，该方程同时能够刻画SARS和COVID-19的早期传播行为，验证了方法的有效性和普适性。

　　新葡的京集团3512vip网站物理科学与工程学院严钢教授为论文的通讯作者，博士研究生高婷婷为论文的第一作者。该研究得到了国家自然科学基金、国家科技创新2030、上海市市级科技重大专项等项目资助。

作者：黄艾娇 吴苡婷

链接：https://www.shkjb.com/content.html?id=220939