由北京师范大学张江科研团队牵头、以复杂系统和人工智能跨学科研究为主题的开放实验室正式开放招募研究人员。如果你在人工智能技术上有积累，对复杂系统研究感兴趣，欢迎加入我们，扫描文中二维码填表即可报名。不限学历，只看实力！
从生命的起源、智慧的产生、经济的涨落，以及气候环境的突变，所有当今科学界面临的大多数难题都跟复杂系统有关。而复杂系统之所以复杂就在于涌现现象的普遍存在。也就是当大量个体聚集在一起的时候，复杂系统展现出了远超单个个体能力的现象、属性和规律。例如，小小阿米巴虫能够修建高速公路网络，神经元的连接、放电能够展现出智慧与意识等等。
数十年来，复杂系统研究者们为了破解涌现之谜，发明了大量的先进技术，包括多主体仿真、遗传算法、复杂网络、标度律、大数据、机器学习等等。但面对神奇的涌现现象，人们仍然需要凭借科学家个人的洞察和经验，case by case地来建立模型，而无法获得破解涌现特性的一般规律以及方法论。
然而，随着新一代人工智能技术的突破，特别是有关图神经网络、自动微分计算、结构学习方法、因果推理等新兴技术的突飞猛进，我们已经具备了根据一个复杂系统的行为表现，自动推断出系统背后的运行规律——动力学，以及系统内部的相互作用结构的能力，并已经在包括人群预测、基因网络重构、雾霾预报、交通流预测等领域获得了一定的成功。这意味着，我们完全可以根据系统的涌现行为和特征，而自动构建复杂系统的机理模型，新兴AI技术让这一切成为了可能！
作为北师大系统科学学院的教授，以及集智俱乐部、集智学园的创始人，我从2003年开始，就长期从事有关复杂系统建模的工作。近年来，我带领着北师大的研究组开始聚焦在基于新兴AI技术的复杂系统自动建模研究上。然而，我深深感受到我们北师大师生的团队是无法赶上新兴技术发展的滚滚洪流的。我希望可以有对复杂系统自动建模领域有热情，且认可这个领域发展前景的朋友一起来合作，促进这一领域的快速发展。
我希望这个叫做“ Complexity AI ”，中文叫做“复杂AI次方”的开放实验室，能够真正实现思想共享、资源共享、跨学科交叉，共同为复杂系统自动建模而奋进。
那么，理想中的Complexity AI Open Lab应该是什么样子的呢？我觉得可以分为近期目标和长期愿景来说一说：
-
近期目标：在复杂系统自动建模领域完成一系列重要的学术论文。
我之所以有这个开放实验室的想法，也是因为我发现这个新兴学术领域是一大块未开垦的处女地，只要在其上深耕细作，必然能够结出累累硕果。所以，我自己已经有了一大堆想法，但苦于自己的精力有限，无法分身实现每一个，所以，希望第一步把这些idea分享给更多的人，共同快速发展这个学科。
其次，为了保证这一目标的实现，我计划在集智俱乐部的框架下，搭建一系列线上线下平台。线上平台包括代码共享、论文共享、论文解读交流活动、计算资源共享等等。线下平台则主要依托北师大系统科学学院，建立一套人才培养的流动机制，包括博士后、研究助理、博士、硕士的招生工作等。
-
长期愿景：在技术应用上能够发展出一整套成型的复杂系统逆向工程方法论；在理论上能够破解复杂系统的涌现之谜。
解读一下，这是一个技术与理论并进的领域。所以，最终的突破，必然能够在技术和理论上都获得成功。所谓的复杂系统逆向工程，除了指代前面提到的自动建模以外，还包括更加广阔的领域，如复杂系统自动机制设计、自动优化与控制等。在理论方面，我认为要想理解真正的复杂系统，我们绕不开复杂的人工智能模型。但这并不意味着我们要停留于此，要放弃掉可解释性，而是希望通过分析这些复杂模型，间接地破解复杂系统的涌现规律，我猜想这才是正确的道路。
同时，我也非常希望更多愿意从事复杂系统自动建模这个方向的学生和朋友一起来合作一些课题，目前，我开放了3个子课题，请对以下研究问题有意向的学生可以先发个人简历和基本思路发送到科研助理的邮箱（wangting@swarma.org)。如果匹配合适，会亲自指导项目，并对相应的科研项目成果给予项目经费支持。
背景：面对复杂系统，我们人类总是会选择合适的问题尺度，从而对原始系统进行抽象，再构建系统模型的。本项目拟解决自动选择尺度并构建模型的算法。
目标：一套能够根据时间序列，自动在多个尺度上进行建模（动力学学习与网络结构学习）的算法。
输出：系统做粗粒化的方案（哪些应该合并成一个节点，以及如何将每个节点状态汇总为粗粒化节点状态的映射函数），以及粗粒化尺度下的系统动力学（体现为一个神经网络）以及粗粒化的相互作用网络。
解决关键思路：将系统的粗粒化进行网络表示，并利用结构学习的手段解决自动粗粒化操作的问题。
背景：所谓的超图，是对普通图的一种扩展，每条连边可以连接多个节点。超图的表示能力远超普通图，特别适合类似化学反应、蛋白质相互作用等复杂关系的表达。本项目拟根据时间序列数据自动提炼出背后生成数据的超图结构。
目标：一套能够根据时间序列数据自动提炼超图结构的算法。
输出：一套超图结构，以及该超图上的动力学（用神经网络表示）
解决关键思路：超图可以表示成一个二分图，其中原来的节点和连边分别对应两类节点，二两类节点的关系则表示原图节点和连边的关系。这样，在二分网络上的图卷积就对应为在原超图上的图网络。因此，可以用二分网上的图卷积学习动力学。用结构学习的思路把握二分网结构。
背景：在很多社会系统中，我们仅能观察到一些人的行为序列，如何根据人的行为序列推测人的行为规则？以前的做法是把人看作粒子，然后利用动力学学习，用神经网络把握人的动力学规则。但这样的做法不具备可解释性。人都是有目的的，因此博弈能够更好地解释人之间的相互作用。如何从多个Agent相互作用的时间序列中，自动推断出他们彼此相互作用的博弈结构和博弈策略？
目标：本项目分为两个子问题：1、拟根据时间序列，推断出在固定博弈框架下，每个人的决策策略；2、以及推断出博弈框架本身。
输出：1、人与人的博弈框架（支付矩阵）；2、每个人的博弈策略（同质、异质）；3、N个人之间的相互作用网络。
我们非常欢迎从事这个领域研究，对这个领域感兴趣的同学可以一起参与进来，共同推动这个领域的发展，见证未来发生。如果你感兴趣，欢迎扫码填写报名信息，提交简历，经过筛选之后，即可加入Complexity AI Open Lab。
为了保证沟通效率，同时希望每个参与的朋友都能所有收获，且每个朋友都能机会在实验室中贡献出他/她的才能。我们设定产出的标准，报名的同学必须在三个月内产出以下项目中的任意一项，才能参与实验室的建设，并享受实验室的公共资源（代码库，论文列表，数据库资源等）：
-
协助整理、复现一些与复杂系统建模相关的代码（至少1个模型），可以方便的用于新的数据，从而加速大家的科研进展
-
解读实验室共同关心的经典、前沿论文（至少1篇），完善大家的基础知识体系，增进讨论，提高论文学习效率
-
撰写相关主题/领域的入门路径（至少1篇），可以让其他对这个主题感兴趣的朋友可以快速入门抓住重点
-
完成相关主题的词条翻译审校（至少20个复杂科学领域的知识词条），共同建立实验室基础知识资源
-
完成相关主题视频的添加字幕的工作（至少200分钟），共同建立实验室基础知识资源
第三步：通过审核后拉入Complexity AI Open Lab相关主题群
一个开放性的实验室最重要的是吸引优秀的人才以及沉淀积累相关的知识和资源，所以我们也非常注重相关资源的积累，希望可以沉淀从基础到实践的知识资源，提升科研效率，帮助大家少踩坑，多出成果。（以下为部分资源介绍）
针对一些没有基础，但是对复杂系统自动建模感兴趣的同学，实验室为大家整理了入门资料合集，从简到难，从基础到实战，让你快速入门相关内容，不走弯路。
图神经网络，网络科学，系统科学交叉入门路径：
https://pattern.swarma.org/path?id=68
我们也整理收集了相关领域的代码，可以方便的用于新的数据，从而加速大家的科研进展。
-
神经网络和图网络发展历程中的经典算法模型，如VAE，GAN，GCN等
-
复杂系统中的时间序列数据生成模型，如传染病模型，投票模型，Kuramoto模型等
-
经典的网络结构重构方法，如基于压缩感知的方法，CCM，ANRI等方法
-
动力学预测方法，如复杂网络上的神经微分方程方法（NDCN）等
数据库和代码库仅对Open lab实验室的成员开放。
-
针对发表项目成果以及参与的项目，有额外奖励和补贴，视具体项目而定。
-
最后，如果你想在复杂系统自动建模方向有所作为，除了参加Open Lab之外，还可以申请北师大的博士后职位，参与到张江老师的科研团队中。
详情请见：
北师大张江科研团队博士后招募，复杂系统自动建模方向 | 长期有效
也欢迎大家转发+推荐，如果匹配成功，将有机会获得集智俱乐部精心准备的纪念礼包。
