集智俱乐部联合多位专家发起「地球系统科学」系列读书会第二季，旨在深入理解人类世背景下地球系统各要素的相互作用，并应对气候变化等全球性挑战。读书会将从新的研究范式出发，梳理相关文献，研读理论与模型，探讨复杂网络、降维方法、人工智能在预测和控制复杂系统中的应用。本次分享聚焦网络科学和复杂系统，探讨预测系统恢复力、临界点预测等前沿问题，并展望其在政治、医疗、气候等领域的应用。

🌍读书会背景：面对气候变化等全球性挑战，地球系统科学至关重要。集智俱乐部联合专家发起读书会，旨在深入理解地球系统要素间复杂相互作用，并应对气候变化。

💡分享核心：高建喜教授将介绍网络科学和复杂系统领域的工作。内容包括降维方法、临界点预测、网络恢复等，以及这些方法在不同复杂系统中的应用。

🧠关键技术：重点介绍降维方法，用于识别多维复杂系统的关键参数，预测系统恢复力。此外，还将探讨临界点预测和网络恢复的新方法。

🌐应用前景：分享内容涉及降维方法在政治、人类流动、医疗、气候等不同复杂系统中的应用前景，并尝试使用降维方法来理解深度神经网络的性能。

🤖研究方向：探讨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。

集智俱乐部 2025-05-12 18:10 上海

2025年5月13日20:00-22:00直播

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

扫码参与「地球系统科学」读书会，加入群聊，获取系列读书会回看权限，共建共享地球系统科学社区，与一线科研工作者沟通交流，共同推动这一前沿领域的发展。

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).

世界气象组织《2023年全球气候状况》报告确认2023年是有观测记录以来最暖的一年。气候变化正在以高温、干旱、洪水、野火和沙尘暴等极端天气的形式吸引人们的广泛关注。世界经济论坛《2024全球风险报告》将气候变化作为首要值得关注的风险。地球作为一个多要素、非线性的开放复杂系统，要素间相互作用关系复杂，往往牵一发而动全身。在人类活动深刻影响下，我们该如何理解并有效应对正在面临的气候变化以及其带来的社会经济等一系列议题，实现人类与地球的可持续发展？

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。

点击“阅读原文”，报名读书会

阅读原文

跳转微信打开