導語

2025年世界氣象日主題“攜手縮小早期預警差距”直擊全球氣候治理的核心挑戰——從極端天氣到生態突變，我們正在直視復雜系統的臨界轉變對人類生存的威脅。傳統預警方法依賴于臨界慢化等物理指標，但在高維異質網絡中常因靈敏度不足或普適性受限而失效；而系統崩潰后的恢復更因滯后效應陷入“不可逆陷阱”，傳統調控策略難以突破穩態切換的能壘。本次分享聚焦兩大核心命題：如何利用數據驅動方法突破臨界點預測的瓶頸？如何設計智能調控策略引導系統回歸理想穩態？

第六期由同濟大學物理系博士生劉子嘉、上海自主智能無人系統科學中心博士生秦佳杰分別分享第一部分“基于節點狀態時間序列的早期臨界點識別與預警”，闡釋臨界點預測的方法論，特別是數據驅動的前沿突破方法；與第二部分“調控系統使其在期望的穩態”，介紹兩步恢復方案如何干預系統使其恢復功能。本次分享將共同探索預測與干預復雜系統突變的全新方法論體系。讀書會將于4月19日（本周六）9:30-11:30進行，歡迎感興趣的朋友參與討論交流！

分享內容簡介

Part 1 基于節點狀態時間序列的早期臨界點識別與預警

許多自然和人為的復雜系統都會出現臨界轉變，即環境條件的緩慢變化引發系統的突變。這種突變可能帶來災難性后果，例如系統性金融風險、大面積停電、生態系統崩潰等。因此，在系統發生突變之前對臨界點進行定量預測至關重要。

本次分享將首先介紹臨界點附近節點狀態演化的特征以及利用這些特征和指標進行分析的傳統方法，接著將重點介紹適用性更廣且預測效果更好的現代機器學習方法：包括利用CNN、LSTM的分類模型，對系統進行定量模擬的儲藏池模型以及GRU、GNN神經網絡相結合的早期預警模型等等。

Part 2 調控系統使其在期望的穩態

復雜的網絡系統經常在理想和不理想的狀態之間經歷突然的動態轉變，這通常是由節點或連接的移除、連接強度的減弱等拓撲擾動引起的。由于滯后現象，恢復丟失的節點或連接或加強減弱的相互作用，并不能保證自發恢復到理想的功能狀態。本部分將著重介紹以色列巴依蘭大學Baruch Barzel團隊開發的兩步恢復方案，探索其如何通過調控崩潰網絡中的部分節點來恢復系統功能。

分享內容大綱

Part 1 基于節點狀態時間序列的早期臨界點識別與預警

臨界點附近節點狀態演化的特征

利用臨界慢化等指標的傳統方法

適用性更廣、預測效果更好的現代機器學習方法

Part 2 調控系統使其在期望的穩態

兩步恢復方案（two-step recovery scheme）

系統調控策略的局限性

主要涉及到的知識概念

Part 1 基于節點狀態時間序列的早期臨界點識別與預警

動力系統與臨界點，Dynamical Systems and Critical Points

臨界慢化現象，Critical Slowing Down Phenomenon

神經網絡，Neural Networks

Part 2 調控系統使其在期望的穩態

網絡調控，Network Regulation

吸引域，Basin of Attraction

平均場近似，Mean Field Approximation

講者介紹

劉子嘉，同濟大學物理系博士生，導師為嚴鋼教授。博士期間的主要研究方向為數據驅動的復雜網絡動力系統臨界預測，開發了早期定量預測復雜系統中臨界點的方法框架，且成功預測了真實非洲植被生態系統中森林向稀樹草原的臨界轉變，相關研究成果發表在Physical Review X期刊上，并被Nature Physics等期刊和雜志撰文報道。其他研究方向涉及耦合網絡重構、圖數據擴充等等，相關成果發表在IEEE Transactions on Network Science and Engineering、Neural Information Processing Systems等期刊和會議上。目前的研究興趣主要為AI for Science、復雜系統和時間序列分析。

秦佳杰，同濟大學上海自主智能無人系統科學中心博士生，導師為嚴鋼教授。博士期間主要從事基于復雜網絡系統模型的知識發現，理論證明了度異質性較強的網絡更易重構，相關研究成果發表在Physical Review Letters上，并獲編輯推薦（Editors' Suggestion）和亮點報道（Featured in Physics）。目前的研究興趣在復雜系統臨界點的推斷與調控。

參考文獻

Part 1 基于節點狀態時間序列的早期臨界點識別與預警1. Z. Liu, X. Zhang, X. Ru, T. T. Gao, J. M. Moore, and G. Yan, Early predictor for the onset of critical transitions in networked dynamical systems, Phys. Rev. X 14, 031009 (2024). 2. M. Scheffer, S. Carpenter, J. A. Foley, C. Folke, and B. Walker, Catastrophic shifts in ecosystems, Nature (London) 413, 591 (2001). 3. T. M. Bury, R. Sujith, I. Pavithran, M. Scheffer, T. M. Lenton, M. Anand, and C.T. Bauch, Deep learning for early warning signals of tipping points, Proc. Natl. Acad. Sci. U.S.A. 118, e2106140118 (2021). 4. M. He?ler and O. Kamps, Bayesian on-line anticipation of critical transitions, New J. Phys. 24, 063021 (2022). 5. H. Fan, L.-W. Kong, Y.-C. Lai, and X. Wang, Anticipating synchronization with machine learning, Phys. Rev. Res. 3, 023237 (2021). 6. M. Schr?der, M. Timme, and D. Witthaut, A universal order parameter for synchrony in networks of limit cycle oscillators, Chaos 27, 073119 (2017).
Part 2 調控系統使其在期望的穩態1. Sanhedrai, H., Gao, J., Bashan, A. et al. Reviving a failed network through microscopic interventions. Nat. Phys. 18, 338–349 (2022). 2. Meena, C., Hens, C., Acharyya, S. et al. Emergent stability in complex network dynamics. Nat. Phys. 19, 1033–1042 (2023). 3. Jiang Junjie, Hastings Alan and Lai Ying-Cheng. Harnessing tipping points in complex ecological networks. J. R. Soc. Interface. 16, 20190345 (2019).

報名方式

直播信息

時間：2025年4月19日 周六 9:30-11:30

報名參與讀書會：

斑圖鏈接：https://pattern.swarma.org/study_group_issue/887?from=wechat

掃碼參與，加入群聊，獲取系列讀書會回看權限，加入復雜網絡動力學社區，與社區的一線科研工作者溝通交流，共同探索復雜網絡動力學這一前沿領域的發展。

復雜網絡動力學讀書會

集智俱樂部聯合合肥工業大學物理系教授李明、杭州師范大學阿里巴巴商學院教授劉潤然、同濟大學副教授張毅超、北京師范大學特聘副研究員史貴元與在讀博士生邱仲普、張章共同發起。本次讀書會將探討：同步相變的臨界性、如何普適地刻畫多穩態與臨界點、如何識別并預測臨界轉變、如何通過局部干預來調控系統保持或回到期望穩態、爆炸逾滲臨界行為的關鍵特征、不同類型的級聯過程對逾滲相變的影響有何異同、高階相互作用的影響能否等效為若干簡單機制的疊加、如何有效地促進人類個體間的合作等問題。

讀書會計劃從3月7日開始，每周五晚19:30-21:30進行，持續8-10周。誠摯邀請領域內研究者、尋求跨領域融合的研究者加入，共同探討。

詳情請見：