简介
2024年10月24日，由中国计算机学会和清华大学电子工程系数据科学与智能实验室联合举办的“AI+复杂系统” 前沿论坛在浙江横店成功召开。此次论坛由专题报告分享和圆桌讨论等部分组成。作为一个研究对象涵盖基本物质、生命体和社会的跨学科研究领域，复杂系统的研究有助于增进对自然和社会现象的理解和预测，在解决人类面临的复杂问题中具有重要价值。这一领域的早期研究积累了海量的各类真实复杂系统数据，在此基础上发展数据密集型、人工智能（AI）方法驱动的复杂性科学研究新范式，将为复杂系统的描述、预测与知识发现提供一条全新的路径。本论坛在CNCC2022、CNCC2023两届论坛基础上，持续聚焦AI助力下的复杂系统科学研究前沿，邀请在复杂系统、人工智能领域有所建树的专家学者，畅想其在地球系统、航空工程、城市社会治理等领域的巨大应用潜力。
同济大学物理科学与工程学院长聘教授严刚，北京师范大学系统科学学院院长及教授樊京芳，南方科技大学理学院统计与数据科学系研究员胡延庆，北京邮电大学计算机学院教授石川，西湖大学工学院特聘研究员吴泰霖出席论坛并作主题分享。清华大学电子工程系长聘教授李勇，清华大学电子工程系博士后研究员丁璟韬主持论坛。
会议现场
报告
论坛伊始，李勇教授致辞。近年来，“AI+复杂系统”研究范式在多学科得到了快速发展，深刻改变着很多问题解决的方案，在解决国家重大需求中发挥了重要作用。过去的两届论坛聚焦于复杂系统的机制理解和预测控制，并产出多篇观点综述。与往年一样，本届论坛继续邀请在复杂系统、人工智能领域有所建树的专家学者，聚焦AI助力下的复杂系统科学研究前沿，畅想“AI+复杂系统”这一研究范式在地球系统、航空工程、城市社会治理等领域的巨大应用潜力。希望通过主题报告和议题研讨，为“AI+复杂系统”在多个学科方向的研究起到一定的促进作用。李老师最后对各位参加论坛的嘉宾表达衷心感谢，并预祝此次论坛圆满成功。
李勇教授开场致辞
复杂系统隐含随机动力学的可解释推理 | 严钢
同济大学物理科学与工程学院长聘教授严刚作题为《复杂系统隐含随机动力学的可解释推理》的主题报告。复杂网络作为一种通用的数据表示形式，广泛存在于生物学、推荐系统、社交媒体等各个领域，但是其动力学机制往往是不可知的。严教授介绍了如何使用数据驱动的科学发现方法推断复杂网络系统的可解释底层动力学，并针对临界点预测问题讨论了定量判别方法和最新研究进展。严教授展示了使用AI方法从阿尔茨海默症Tau蛋白扩散数据中发现的底层生物机理，以及对非洲植被生态系统临界点的可解释预测。
严钢教授报告
地球系统复杂性及AI | 樊京芳
北京师范大学系统科学学院院长、教授樊京芳作主题为《地球系统复杂性及AI》的报告。地球系统是最经典的天然复杂系统之一，在学术界受到广泛研究，时刻影响着我们的现实生活。樊教授首先介绍了几个经典的地球系统模型，并深入分析了现有的气候网络构建策略和气候临界要素挖掘方法。樊教授指出，AI在地球系统建模和预测上有着巨大潜力，例如华为盘古大模型等天气预测模型。但是这一领域的挑战在于，物理模型的不确定性会影响AI方法可信赖性，因此需要为数据驱动和知识指导的双驱动AI模型设计合适的耦合方式。
樊京芳教授报告
揭示中国新冠“动态清零”政策的机制 | 胡延庆
南方科技大学理学院统计与数据科学系研究员胡延庆分享了《揭示中国新冠“动态清零”政策的机制》的主题报告。诸如新冠等大规模疫情的传播过程通常被建模成复杂网络上的扩散动力学，然而此前尚不清楚“动态清零”政策成功的内在机理。胡教授介绍了利用扩散传播模型(类似图注意力神经网络)计算网络各节点感染风险，寻找高风险人群，进而将动态清零过程建模为一个图上的随机追击问题，并基于深圳市2022年2-4月疫情动态清零策略执行过程的实证数据进行分析，可以计算出此随机追击问题的扩散临界点，也即阻断奥密克戎病毒传播的最小隔离时间。此工作首次从复杂网络理论角度解释了中国新冠“动态清零”政策成功的数理机制。
胡延庆研究员报告
面向科学的图机器学习初探 | 石川
北京邮电大学计算机学院教授石川作《面向科学的图机器学习初探》的报告。图机器学习是深度学习领域的重要分支。图机器学习假设数据集中的样本之间存在某种程度的相关性或依赖关系，并通过利用图结构中的交互关系来建模数据点之间的关联关系，在多个学科中有着重要应用。石教授介绍了图神经网络的发展趋势和最新前沿，并以自动化电路设计和蛋白质复合物结构预测为例演示了异质图网络在自然科学领域的成功应用。他指出作为非欧式关系数据的重要表征方法，图神经网络是“AI+复杂系统”研究的关键工具。
石川教授报告
基于扩散生成模型的复杂系统设计和控制 | 吴泰霖
西湖大学工学院特聘研究员吴泰霖作《基于扩散生成模型的复杂系统设计和控制》的主题分享。扩散生成模型是AIGC领域的重要基础模型之一。吴教授首先从扩散模型的机理和能量角度进行解释，分析了扩散模型同时最小化能量函数和目标函数的特性。当使用用单个机翼和气流交互的数据训练时，扩散模型可以生成高质量的机翼结构，并且涌现出生成多机翼同时存在的泛化能力。随后他介绍了如何从加噪声的视角解读扩散模型的可控生成，并分享了使用扩散模型进行复杂系统最优控制的最新工作。
吴泰霖研究员报告
圆桌讨论
圆桌讨论环节，几位专家就“如何看待Physics for AI和AI for Science领域的研究前景”、“大模型、基础模型的进展对复杂系统研究有何启发，是否必要？”、“复杂系统不同领域和AI结合的基础如何？瓶颈在哪？”、“AI如何帮助复杂系统的科学发现？”以及“复杂系统的理论、思想如何帮助我们更好理解AI (LLM)”五个议题展开了相关讨论，表达了对“AI+复杂系统”未来研究方向和潜在挑战的观点看法。
圆桌讨论 滑动查看
再次感谢所有报告嘉宾的出席，期待来年再会！
颁发纪念证书 滑动查看
关于CNCC2024
CNCC2024于10月24-26日在浙江省东阳市横店镇举办，大会主题为“发展新质生产力，计算引领未来”。大会为期三天，包括18个特邀报告、3个大会论坛、138个专题论坛及34场专题活动和100余个展览。图灵奖获得者、两院院士、国内外顶尖学者、知名企业家在内的超过800位讲者在会上展望前沿趋势，分享创新成果。参会者超过万人。
嘉宾合照
