同濟大學物理科學與工程學院、上海自主智能無人系統科學中心教授嚴鋼團隊在復雜系統自主推理方面取得新成果。他們提出數據驅動的復雜系統自主推理新框架，實現了結構信息不完整和強噪聲場景下的魯棒推理，為自動化、智能化地發現真實復雜系統的底層原理提供了重要基礎和算法支撐。值得一提的是，這一算法能有效驗證SARS等全球性傳染病的早期傳播行為。相關成果日前在線發表于《自然—計算科學》。

復雜系統是由大量節點相互作用形成的非平凡系統，例如無人集群系統、物聯網、神經元網絡、社會信息網絡等。很多學科領域都積累了關于實際復雜系統的大量觀測數據，主要包括網絡結構和節點活動序列。

以往的研究著重于單節點或少量節點動態方程的推理，而包含大量節點的復雜網絡系統不僅節點活動數據含有噪聲，而且網絡結構數據可能不準確，節點的自身動力學可能具有異質性，系統宏觀行為可能會掩蓋節點之間動態耦合的微觀機制。

為克服這些挑戰，研究團隊融合全局和局部兩個視角，提出了新的復雜系統自主推理框架。該算法能夠高效、準確地從觀測數據中推理出隱藏的網絡動力學方程，為自動發現復雜系統的底層原理提供了有效的新途徑。

該算法框架具有很強的魯棒性，能對抗觀測數據中的缺失邊、偽連邊、觀測噪聲、關聯噪聲、內稟隨機性等不確定性，在宏觀行為同步較強時仍能夠實現推理。

論文第一作者高婷婷說，“與以往針對單個體或少量個體的智能推理方法相比，該研究提出的方法能在更復雜、非正交項空間中進行搜索，而且在針對數據不確定性的5個模型系統測試中均表現更優。”(張雙虎 黃辛)

關鍵詞： 復雜系統 全球性傳染病早期傳播 無人集群系統 觀測數據