原標(biāo)題：“AI+擴(kuò)散動力學(xué)”研究取得進(jìn)展

11月4日，記者從哈爾濱工業(yè)大學(xué)（深圳）獲悉，該校計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院教授張永兵團(tuán)隊(duì)與清華大學(xué)自動化系教授季向陽團(tuán)隊(duì)合作，在“AI+擴(kuò)散動力學(xué)”領(lǐng)域取得重要研究進(jìn)展，為AI助力人類進(jìn)一步深入理解異常擴(kuò)散與復(fù)雜動力學(xué)行為邁出開創(chuàng)性一步。相關(guān)論文日前發(fā)表于國際期刊《自然·計(jì)算科學(xué)》。

“AI+擴(kuò)散動力學(xué)”是一個(gè)跨學(xué)科研究領(lǐng)域，將AI技術(shù)與擴(kuò)散動力學(xué)理論相結(jié)合，旨在利用AI的強(qiáng)大計(jì)算和分析能力來深入理解和模擬復(fù)雜系統(tǒng)中的擴(kuò)散現(xiàn)象?！癆I+擴(kuò)散動力學(xué)”在環(huán)境保護(hù)、疾病傳播控制、交通與城市規(guī)劃等多個(gè)領(lǐng)域都有廣泛應(yīng)用前景。

然而，在將深度學(xué)習(xí)方法應(yīng)用于異常擴(kuò)散的識別與表征過程中，如果觀測軌跡缺失了訓(xùn)練擴(kuò)散模型所需的關(guān)鍵特征，將難以準(zhǔn)確識別觀測現(xiàn)象，可能引發(fā)誤識別的風(fēng)險(xiǎn)。這一潛在的錯(cuò)誤識別問題，成為阻礙深度學(xué)習(xí)方法在擴(kuò)散動力學(xué)實(shí)際研究中應(yīng)用的重要因素。

為此，研究團(tuán)隊(duì)針對現(xiàn)實(shí)場景中的復(fù)雜未知擴(kuò)散動力學(xué)行為，首次提出可靠識別異常擴(kuò)散的深度學(xué)習(xí)框架。這個(gè)框架就像是一副更清晰的眼鏡，讓AI能更準(zhǔn)確地“看”到并理解那些復(fù)雜的擴(kuò)散行為。研究團(tuán)隊(duì)還借助人工智能驅(qū)動的科學(xué)研究改變現(xiàn)有擴(kuò)散評估模式，探討了深度學(xué)習(xí)從經(jīng)驗(yàn)觀察中發(fā)現(xiàn)和分析未知擴(kuò)散模式的可能性。

記者了解到，《自然·計(jì)算科學(xué)》期刊邀請美國科羅拉多州立大學(xué)學(xué)者對這一成果進(jìn)行解讀與評述。他們認(rèn)為，該成果加強(qiáng)了人們對異常擴(kuò)散的理解，同時(shí)為使用深度學(xué)習(xí)方法進(jìn)行分布外檢測、促進(jìn)新理論發(fā)展注入了新動力。（記者羅云鵬 通訊員闞思邈 向碧霞）