导语


面向物理的数据驱动建模面临着不同于大多领域的独特挑战,难以采用流行的“大数据+大模型”范式。这一挑战存在两个原因,一是物理数据没有互联网级的积累;二是复杂物理系统构造单个数据的成本远超语料、图像的采集成本。因此必须开发不依赖于大数据集的人工智能方法,去处理和分析物理系统的数据,提高预测准确性,从而在数据稀缺的情况下挖掘深层次的物理规律,推动科学研究的进展。

「复杂系统自动建模」读书会第二季四期将由浙江大学百人计划研究员李樵风分享,将以神经常微分方程为基础,从可解释性、泛化性、鲁棒性三个递进层次,介绍如何开发小数据集下的人工智能建模方法。读书会将于9月 26日(本周四)20:00-22:00进行,欢迎感兴趣的朋友参与讨论交流!




分享内容简介




本次分享将围绕小样本下的数据驱动建模进行,介绍其核心技术手段神经常微分方程。首先,将介绍神经常微分方程基本概念;然后,介绍如何将欧几里得对称性嵌入神经常微分方程中,实现对真实物理系统的小样本学习;最后,介绍如何将元学习与神经常微分方程结合,实现对一族动力学系统的建模与预测。





分享内容大纲




  1. 神经常微分方程概念简介
  2. 欧几里得对称神经网络
  3. 可解释性元神经常微分方程





主要涉及到的知识概念




神经常微分方程(neural ordinary differential equation)

元学习(meta-learning)





讲者介绍




李樵风,浙江大学百人计划研究员,博士生导师,获国家高层次人才计划(海外)资助。主要研究方向包括:基于人工智能的科学计算、智能系统感知、复杂结构动力学反问题等。到目前为止,在PRL、Science Robotics、EML、MSSP、Applied Energy等领域重要期刊上发表论文20篇。

课题组主页:https://www.ligroupzju.com





参考文献



 

  • Chen, R. T. Q., Rubanova, Y., Bettencourt, J. & Duvenaud, D. Neural Ordinary Differential Equations. Arxiv (2018).
  • Lai, Z., Mylonas, C., Nagarajaiah, S., & Chatzi, E. (2021). Structural identification with physics-informed neural ordinary differential equations. Journal of Sound and Vibration508, 116196.
  • Li, Q., Wang, T., Roychowdhury, V., & Jawed, M. K. (2023). Rapidly encoding generalizable dynamics in a Euclidean symmetric neural network. Extreme Mechanics Letters58, 101925.
  • Finn, C., Abbeel, P. & Levine, S. Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks. Arxiv (2017).
  • Li, Q., Wang, T., Roychowdhury, V., & Jawed, M. K. (2023). Metalearning generalizable dynamics from trajectories. Physical Review Letters131(6), 067301. | 本篇文献介绍可见:PRL速递:AI 学习玩弹簧玩具——从轨迹到通用动力学的元学习
  • 本期内容已在第一期中由主讲人进行了概述性分享,感兴趣的朋友可以提前了解:https://pattern.swarma.org/study_group_issue/746?from=wechat 或者 https://www.bilibili.com/video/BV1FL4JeUEYT




参与方式




直播信息
时间:2024年9月26日(本周四) 20:00-22:00
报名参与读书会:
斑图链接:https://pattern.swarma.org/study_group_issue/757?from=wechat

扫码参与「复杂系统自动建模」读书会第二季,加入群聊,获取系列读书会回看权限,加入复杂系统自动建模社区,与社区的一线科研工作者沟通交流,共同探索复杂系统自动建模这一前沿领域的发展。


复杂系统自动建模读书会第二季


“复杂世界,简单规则”。


集智俱乐部联合复旦大学智能复杂体系实验室青年研究员朱群喜、浙江大学百人计划研究员李樵风、清华大学电子工程系数据科学与智能实验室博士后研究员丁璟韬、美国东北大学物理系Albert-László Barabási指导的博士后高婷婷、北京大学博雅博士后曹文祺、复旦大学数学科学学院应用数学方向博士研究生赵伯林、北京师范大学系统科学学院博士研究生牟牧云,共同发起「复杂系统自动建模」读书会第二季


读书会将于9月5日起每周四晚上20:00-22:00进行,探讨四个核心模块:数据驱动的复杂系统建模、复杂网络结构推断、具有可解释性的复杂系统推断(动力学+网络结构)、应用-超材料设计和城市系统,通过重点讨论75篇经典、前沿的重要文献,从黑盒(数据驱动)到白盒(可解释性),逐步捕捉系统的“本质”规律,帮助大家更好的认识、理解、预测、控制、设计复杂系统,为相关领域的研究和应用提供洞见。欢迎感兴趣的朋友报名参与!



详情请见:

复杂系统自动建模读书会:从数据驱动到可解释性,探索系统内在规律|内附75篇领域必读文献



点击“阅读原文”,报名读书会