导语

为了能够深入理解人类世背景下地球系统各要素之间复杂的相互作用与演化机制，并为人类应对未来的地球系统科学重大挑战提供一套科学的认知框架，集智俱乐部联合清华大学讲席教授陈德亮、北京师范大学教授樊京芳、东莞理工学院特聘副研究员陈爱芳、南开大学副教授戴启立老师和爱尔兰都柏林大学博士生班崭共同发起「地球系统科学」系列读书会第二季，将组织大家从新的研究范式出发梳理相关文献，并深入研读其中涉及的理论与模型。

从2025年3月4日开始，每周二晚上19:00-21:00，读书会将以线上形式进行，持续时间预计8-10周。读书会详情及参与方式见后文。

简介

我们生活的世界正面临着气候变化、极端天气以及其他自然和人为灾害等全球性挑战。将气候复杂系统建模为复杂网络进行研究，促进了我们对极端天气事件的理解的同时，气候作为典型的复杂系统也帮助研究人员不断完善复杂网络理论。本次分享高建喜教授将他在介绍在网络科学和复杂系统领域开展的工作，内容主要涉及 ：1）介绍降维方法，该方法可识别多维复杂系统的自然控制和状态参数，帮助推导出有效的一维动态，从而准确预测系统的恢复力; 2）为临界点预测和网络恢复开发了新的降维方法； 3）介绍上述降维方法在政治、人类流动、医疗、气候等不同复杂系统的应用前景； 4）最后，尝试使用降维方法来理解深度神经网络的性能，并使用 Al 预测复杂系统的临界点。

大纲

1. 一种可预测复杂系统恢复力的降维方法

2. 一种可用于临界点预测和网络恢复的降维方法

3. 网络韧性的在不同复杂系统中的应用潜力

4. 基于AI预测复杂系统中的临界点

关键术语

• 复杂网络

• 网络韧性

• 降维

• 临界点预测

主讲人介绍

高建喜，伦斯勒理工学院副教授。研究领域为网络科学，尤其专注于网络的韧性、稳健性以及控制问题。他的研究旨在利用网络理论、控制理论、统计物理和运筹学等方法来理解、预测，并最终控制复杂系统中的韧性与级联故障。此外，他还致力于网络科学与人工智能的交叉研究，涵盖“面向人工智能的网络科学”以及“用于网络科学的人工智能”等方向。

报名参与

直播信息
2025年5月13日20:00-22:00

报名加入社群（可开发票）

斑图链接：https://pattern.swarma.org/study_group_issue/903

参考文献

Ding, Yanna, Jianxi Gao, and Malik Magdon-Ismail. “Efficient parameter inference in networked dynamical systems via steady states: A surrogate objective function approach integrating mean-field and nonlinear least squares.” Physical Review E 109.3 (2024): 034301.

Li, Daqing, et al. “Design of robust networks via reinforcement learning prompt the emergence of multilayer backbones.” (2024).

Wu, Tao, et al. “Predicting multiple observations in complex systems through low-dimensional embeddings.” Nature Communications 15.1 (2024): 2242.

Liu, Chang, et al. “Deep learning resilience inference for complex networked systems.” Nature Communications 15.1 (2024): 9203.

Jiang, Chunheng, et al. “Network properties determine neural network performance.” Nature Communications 15.1 (2024): 5718.

Ding, Yanna, et al. “Predicting Time Series of Networked Dynamical Systems without Knowing Topology.” arXiv preprint arXiv:2412.18734 (2024).

Liu, Xueming, et al. “Network resilience.” Physics Reports 971 (2022): 1-108.

Ma, Cheng, et al. “Generalized dimension reduction approach for heterogeneous networked systems with time-delay.” arXiv preprint arXiv:2308.11666 (2023).