Axioms 特刊征稿：复杂系统的数学建模

导语

Axioms 期刊发起的特刊“复杂系统的数学建模”（Mathematical Modelling of Complex Systems）旨在探讨人工智能和复杂系统的双向关系：一方面，神经网络和进化算法等人工智能技术可用于复杂系统的模拟和优化；另一方面，复杂系统理论中的数学工具和概念为理解和改进人工智能算法提供了有价值的见解。本期特刊由日本德岛大学助理教授杨海川与日本东京都立产业技术大学院大学助理教授张晁逢合作发起，正在征稿中，欢迎对相关话题感兴趣的研究者投稿。

主要信息如下：

期刊：Axioms (ISSN: 2075-1680)

栏目：数学物理

特刊主题：复杂系统的数学建模（Mathematical Modelling of Complex Systems）

征稿截止日期：2024年7月31日

通过以下链接或文末“阅读原文”进入官网查看更多信息：

https://www.mdpi.com/journal/axioms/special_issues/ROE8U9D893

特刊信息

复杂系统是指由大量相互作用的部分组成的系统，具有非线性、适应性和动态变化等特点，跨越气候学、生态学、经济学、社会网络、信息物理系统和生物学等各个重要领域。理解这些复杂系统对于解释我们世界上的许多关键现象至关重要。然而，由于其固有特性，使用传统的数学和计算方法准确描述和预测复杂系统通常具有挑战性。

在这种背景下，神经网络和演化算法等人工智能（AI）技术在复杂系统研究中变得至关重要。这些 AI 算法本身就是复杂系统的实例，表现出大量的相互作用、非线性、动态变化和适应性的特征。这种复杂性带来了挑战，但也为理解和研究复杂系统提供了一种新方法。

一方面，神经网络和演化算法等人工智能技术可用于复杂系统的模拟和优化。它们可以处理高维、非线性和动态数据，从而对复杂系统的行为提供深入的见解和有效的预测。数学建模在这一过程中起着举足轻重的作用，为复杂系统建模提供了严谨的理论框架，为神经网络和演化算法等人工智能技术的应用提供了准确的计算基础。

另一方面，复杂系统理论中的数学工具和概念为理解和改进人工智能算法提供了有价值的见解。复杂系统的动态、自适应和非线性特性为理解神经网络的训练过程，改进演化算法的搜索策略，以及设计更高效的人工智能系统提供了新的视角和工具。

本期特刊“复杂系统的数学建模”旨在探讨这种双向关系，特别关注使用数学建模方法辅助人工智能技术对复杂系统进行建模和优化。同时，我们期待使用复杂系统理论中的数学工具来理解和改进人工智能算法的工作。我们鼓励跨学科研究，旨在从人工智能的角度研究复杂系统，并通过复杂系统的视角来研究人工智能，从而促进这一跨学科领域的发展。

特刊关键词

复杂系统（complex systems）

数学建模（mathematical modelling）

人工智能（artificial intelligence）

神经网络（neural networks）

演化算法（evolutionary algorithms）

适应性（adaptability）

动力学（dynamics）

系统优化（system optimization）

物联网（Internet of Things）

信息物理系统（cyber physical system）

特刊主编

杨海川，日本德岛大学助理教授

研究兴趣：元启发式算法，神经元模型，复杂系统，可再生能源

张晁逢，日本东京都立产业技术大学院大学助理教授

研究兴趣：无线通信技术，云计算，物联网，信息物理系统，移动计算

人工智能与数学读书会启动

数十年来，人工智能的理论发展和技术实践一直与科学探索相伴而生，尤其在以大模型为代表的人工智能技术应用集中爆发的当下，人工智能正在加速物理、化学、生物等基础科学的革新，而这些学科也在反过来启发人工智能技术创新。在此过程中，数学作为兼具理论属性与工具属性的重要基础学科，与人工智能关系甚密，相辅相成。一方面，人工智能在解决数学领域的诸多工程问题、理论问题乃至圣杯难题上屡创记录。另一方面，数学持续为人工智能构筑理论基石并拓展其未来空间。这两个关键领域的交叉融合，正在揭开下个时代的科学之幕。

为了探索数学与人工智能深度融合的可能性，集智俱乐部联合同济大学特聘研究员陈小杨、清华大学交叉信息学院助理教授袁洋、南洋理工大学副教授夏克林三位老师，共同发起“人工智能与数学”读书会，希望从 AI　for　Math，Math　for　AI 两个方面深入探讨人工智能与数学的密切联系。本读书会是“AI+Science”主题读书会的第三季。读书会自9月15日开始，每周五晚20:00-22:00，预计持续时间8～10周。欢迎感兴趣的朋友报名参与！