研究历史
复杂系统在现实世界中广泛存在,如生态系统、经济系统、电网、交通、互联网等。这些系统包含大量的自适应主体,主体间存在复杂关联关系,主体行为和状态的演化受动力学驱动,在宏观上展示出自组织和涌现等非线性特征。随着系统规模和复杂度的增加,非线性行为的相互作用导致其状态向量的某些维度接近甚至突破临界点,人类无法有效控制,例如,传染病的爆发、网络群体行为的失控、生物过度繁殖或者灭绝、地球洪水的泛滥和气候的反常变化等。因此,对复杂系统的研究是世界科技前沿的关键问题,有助于解决与经济主战场、国家重大需求及人民生命健康息息相关的重大问题。

复杂系统的研究可追溯到 20 世纪 30 年代的一般系统论,其发展趋势如图 1所示。最初人们试图从基本作用规则来认识复杂系统,代表工作是冯·诺依曼提出的元胞自动机。20 世纪 70 年代,普列高津提出耗散结构理论,获得诺贝尔奖,80 年代 Bak 等人提出复杂系统自组织临界理论,这些工作有力推动了复杂系统的研究,并使人们更加关注复杂动态系统的建模与调控问题。钱学森先生于 20实际 90 年代在我国也开创了复杂巨系统理论研究的先河。同期,互联网、移动通讯等基础设施的发展使得网络科学和数据科学得到迅速发展,进而使得人们可以从更多角度去刻画、认识、研究和预测复杂动态系统。复杂网络是 20 世纪末发展起来的一类以图结构来建模大规模复杂事物关联关系的工具,形成了小世界、无标度等典型网络模型和多种动力学传播模型。Parisi 发现了从原子到行星不同空间尺度物理系统中无序和涨落的相互影响,Manabe 和 Hasselmann 利用计算机对海洋和大气的耦合模式进行数值模拟,率先从系统的角度对全球气候变暖进行了建模和定量预测。他们由于在复杂动态系统方面的突出贡献获得 2021 年的诺贝尔物理学奖。
研究前景
大数据的产生和存储成本飞速降低,为基于数据密集型的科学研究方式提供了最佳的时机,催生了以从海量数据中发现新知识为目标的第四科学研究范式。在众多数据类型中,时空数据广泛存在,具有时空属性的数据可看作是复杂动态系统内在运行机制的外在表现形式,因此可以利用数据驱动方法挖掘出隐藏在数据背后的系统运行规律,按照既定目标对复杂动态系统进行调控决策,为复杂动态系统的建模、分析与调控研究提供了新手段。以复杂系统领域权威专家、美国新英格兰复杂系统研究所 Yaneer 教授为代表的研究者开展了系列研究,并应用于生物化学等领域,展示出该方法的良好前景。
研究现状
尽管大数据为人类认识复杂动态系统提供了丰富的素材,但现实中的数据往往具有多模态、多关系、多尺度和动态变化等特点,现有方法与技术很难从中学习到系统运行的核心机制。近年来,人工智能技术与大数据处理方法的广泛融合为复杂动态系统建模提供了有效的工具。曾因对混沌理论的开创性贡献而获得2017 年混沌控制领域专家 Edward Ott 教授采用递归神经网络捕获复杂动态系统时空数据的长程关联性。加拿大拉瓦尔大学 Antoine Allard 教授采用深度学习构建传染病动力学模型,为复杂网络上的传染病动力学研究提供了新视角。
团队荣誉
本项目团队在国内较早开展了复杂动态系统理论与应用研究。2012 年,发现了网络多元结构存在的普遍性,提出了多元结构发现理论与方法,有效解决了复杂系统认知领域面临的自动结构发现难题,为复杂系统的表征、建模、分析奠定了理论基础。2017 年,提出了基于信任的社会化协同过滤算法,有效解决了推荐领域长期面临的稀疏性和冷启动问题,推动了网络群体行为认知理论和应用的发展。2017 年,提出了大规模人口动态接触网络反演方法,解决了在成本和隐私约束下准确建立千万级人口接触网络这一公共卫生领域的难题。2019 年,提出了基于异构传播网络的主动监控方法,解决了资源严重受限条件下的传染病主动监控难题。基于上述成果团队研发了“跨国界疟疾主动监控系统”,在云南地区投入使用,显著降低了云缅边界的病例数,为中国疟疾消除行动做出重要贡献。
项目目标
针对以上问题,本项目拟开展复杂动态系统的统一表征、自动建模、系统分析与决策调控等方面的研究,解决人工智能与复杂科学交叉融合面临的关键问题,建立复杂动态系统智能理论与方法研究框架。本项目面向世界科技前沿问题,符合复杂动态系统研究的最新发展趋势,取得的理论成果还能用于解决传染病防控、网络舆情分析与调控、极端灾害天气预警等关乎人民生命健康和国家重大需求的实际问题,推动人工智能技术服务人民生活和国家经济发展,具有重要的理论意义和实际应用价值。
项目介绍
项目设置两个课题:(1)复杂动态系统的表征理论与自动建模方法,(2)复杂动态系统的分析理论与调控决策方法。
围绕这两个研究课题,设置 5 项研究内容:表征、建模、分析、调控决策、典型应用。
项目牵头(课题1 负责)单位吉林大学申报团队长期致力于知识表示、自动建模、系统分析、智能决策等方面的研究,具有扎实的理论研究和应用基础。项目负责人承担国家自然基金重点项目、面上项目、国防项目20 余项。其中,国家自然基金重点项目“复杂时空知识的智能处理基础理论及应用研究”,国家自然科学基金面上项目“面向流行病防控的大规模人口动态接触网络建模与挖掘方法”、“大规模复杂网络的多元结构发现方法及应用研究”、“基于马尔科夫链亚稳性的复杂网络簇结构识别理论及新方法研究”、“基于移动Agent 的分布式优化问题求解”,及教育部新世纪优秀人才项目“复杂网络上灾害传播早期检测与控制的关键问题研究”等相关课题均已顺利结题。项目申报团队其他成员承担国家自然基金面上项目和青年科学基金项目10 余项,其中,“开放获取生物医学文献的实体关系抽取”、“移动社会网络中以优化报文投递率为目标的关键技术研究”及“面向短文本的主题建模研究”等项目均已顺利结题。基于上述基金支持,项目负责人及其申报团队在IEEE TPAMI、IEEE TKDE、I EEE TNNLS、IEEE TCYB、IEEE TITS、ACM TKDD、ACM TWEB、Nature Communications、NeurIPS、ICLR、KDD、I JCAI、AAAI、ICDM、EMNLP、ACL、《计算机学报》和《软件学报》等国内外著名期刊和会议上发表论文200 余篇,在复杂网络表示学习、非线性动力学建模、复杂网络分析与结构发现,以及社会化网络群体行为认知等领域具有丰富的理论基础和应用经验。部分成果已申请发明专利并转化为产品落地应用。
课题2 负责单位香港浸会大学深圳研究院申报团队在计算流行病学、复杂系统建模和复杂网络分析等方面积累了大量的高水平理论成果和扎实的应用基础。课题2 负责人承担中国、香港、加拿大支持的各类项目10 余项。其中,香港研究资助局优配研究金项目“疾病扩散网络推断的计算模型及其在传染病监控中的应用”和“多智能体系统的分布式数据挖掘机制设计”,加拿大自然科学与工程基金项目“面向自治计算解决分布式计算问题”等项目均已顺利结题。项目申报团队其他成员承担中国和香港资助的项目10余项,其中,“大数据平台下基于多元非完备信息的图像检索关键技术研究”、“基于多视角多重线性特征提取技术的海量视频趣味度分析方法研究”等项目均已顺利结题。基于上述基金支持,课题2 负责人及其申报团队在IEEE TPAMI、IEEE TNNLS、IEEE TIP、IEEE TKDE、IEEE TCYB、AAAI 和IJCAI 等著名国际期刊和会议上发表论文200 余篇,在复杂动态系统的理解、分析与建模,针对复杂多源异构数据的机器学习方法,资源或数据稀缺条件下的传染病风险预测与主动监测,以及传染病复杂传播方式与潜在传播途径建模等方面具备丰富的研究经验。
