index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
复杂系统结构推断是关键科学问题，GNN能有效捕捉关系，本次读书会将分享基于相关性与因果干预的两类图神经网络的复杂系统结构推断方法，11月7日举行，欢迎参与。
🎯关注基于相关性的结构推断方法，包括对连边独立建模及对子图联合建模
🎯引入因果之梯概念，介绍基于后门调整公式的因果图注意力神经网络
🎯涉及结构推断、图神经网络等知识概念，讲者为赵伯林博士
集智俱乐部 集智俱乐部 2024年11月05日 22:59 北京
复杂系统结构推断是复杂系统建模中一个关键的科学问题，在生物学、生态学、社会科学和工程学等多个学科中具有广泛的意义。复杂系统通常由众多相互作用的组件组成，这些组件的集体行为会产生难以从单个部分预测的特性。图神经网络（GNN）凭借其强大的图数据表征能力，能够有效捕捉图中节点和边之间的复杂关系，实现高效的节点表示学习和图结构信息的综合利用，GNN在多个领域展现出显著的应用潜力。利用GNN从数据中自动建模复杂系统底层的网络结构有助于我们更加精确地重构复杂系统动力学，进而更加深入地理解复杂动力系统的运行机制，并对其进行准确预测、优化控制。「复杂系统自动建模」读书会第二季第九期将由复旦大学赵伯林博士，分享基于相关性与因果干预的两类图神经网络的复杂系统结构推断方法。读书会将于11月7日（本周四）20:00-22:00进行，欢迎感兴趣的朋友参与讨论交流！本次分享聚焦于基于图神经网络的复杂系统结构推断方法。在第一部分，我们关注基于相关性的结构推断方法，首先介绍对复杂网络的每条连边独立建模的结构推断方法，并说明其理论上存在的局限性，进而介绍改进的对子图联合建模的复杂系统结构推断方法。在第二部分，我们引入Judea Pearl提出的因果之梯的概念，在因果干预的视角下介绍基于后门调整公式的因果图注意力神经网络。基于相关性的图神经网络结构推断：
对每条连边独立建模的复杂系统结构推断
对子图联合建模的复杂系统结构推断
基于因果干预的图神经网络结构推断：
Judea Pearl因果之梯
结构推断 (structural inference)
图神经网络 (Graph Neural Network, GNN)
变分自编码器 (Variational Auto-Encoder, VAE)
贝叶斯推断 (Bayesian inference)
赵伯林，复旦大学数学科学学院应用数学方向博士研究生，于东京大学国际神经智能研究中心联合培养，主要研究方向为复杂系统与机器学习的交叉领域，包括复杂动力系统的建模、预测、辨识、变点检测以及因果推断。https://www.researchgate.net/profile/Bolin-Zhao-5Kipf, T., Fetaya, E., Wang, K. C., Welling, M., & Zemel, R. (2018, July). Neural relational inference for interacting systems. In International Conference on Machine Learning (pp. 2688-2697). PMLR.Bennett, S., & Yu, R. (2022). Rethinking neural relational inference for granger causal discovery. In NeurIPS 2022 Workshop on Causality for Real-world Impact.Han, Z., Fink, O., & Kammer, D. S. (2024). Collective relational inference for learning heterogeneous interactions. Nature Communications, 15(1), 3191.Pearl, J., & Mackenzie, D. (2018). The book of why: the new science of cause and effect. Basic books.Sui, Y., Wang, X., Wu, J., Lin, M., He, X., & Chua, T. S. (2022, August). Causal attention for interpretable and generalizable graph classification. In Proceedings of the 28th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (pp. 1696-1705).
时间：2024年11月7日（本周四） 20:00-22:00
斑图链接：https://pattern.swarma.org/study_group_issue/748?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！
