【儀表網(wǎng) 研發(fā)快訊】近日，深圳校區(qū)計算機(jī)科學(xué)與技術(shù)學(xué)院(以下簡稱“計算機(jī)學(xué)院”)張永兵教授與清華大學(xué)自動化系季向陽教授合作，在AI+擴(kuò)散動力學(xué)領(lǐng)域取得重要研究進(jìn)展，相關(guān)研究成果以《面向分布外異常擴(kuò)散動力學(xué)的可靠深度學(xué)習(xí)》(Reliable deep learning in anomalous diffusion against out-of-distribution dynamics)為題，在國際學(xué)術(shù)期刊《自然·計算科學(xué)》(Nature Computational Science)上發(fā)表。
 

　　隨著深度學(xué)習(xí)方法被應(yīng)用于異常擴(kuò)散的識別與表征，出現(xiàn)了一個基本挑戰(zhàn)：如果觀測軌跡缺乏訓(xùn)練擴(kuò)散模型的特征，深度學(xué)習(xí)方法將導(dǎo)致不正確的觀測現(xiàn)象識別。這種潛在的錯誤識別風(fēng)險使深度學(xué)習(xí)方法難以被部署于真正的擴(kuò)散動力學(xué)研究，同時也浮現(xiàn)出一個新問題：深度學(xué)習(xí)的“錯誤”是否能被研究者用于探索不同擴(kuò)散動力學(xué)間的潛在關(guān)聯(lián)？
 

　　研究團(tuán)隊針對現(xiàn)實(shí)世界場景中的復(fù)雜與未知擴(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，借助人工智能驅(qū)動的科學(xué)研究(AI for Science)改變現(xiàn)有擴(kuò)散評估模式，同時深入討論了深度學(xué)習(xí)從經(jīng)驗(yàn)觀察中發(fā)現(xiàn)和分析未知擴(kuò)散模式的機(jī)會，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。
 

　　鑒于本研究的新穎性和重要性，《自然·計算科學(xué)》期刊邀請美國科羅拉多州立大學(xué)電氣和計算機(jī)工程系阿德里安·帕切科·波佐(Adrian Pacheco-Pozo)博士和迭戈·克拉普夫(Diego Krapf)教授對張永兵教授團(tuán)隊成果進(jìn)行深入解讀與評述，認(rèn)為該成果加強(qiáng)了人們對異常擴(kuò)散的理解，同時為使用深度學(xué)習(xí)進(jìn)行分布外檢測促進(jìn)新理論發(fā)展注入了新動力。
 

　　哈工大深圳校區(qū)為論文第一完成單位。深圳校區(qū)計算機(jī)學(xué)院張永兵教授和清華大學(xué)季向陽教授為論文通訊作者，計算機(jī)學(xué)院博士研究生馮笑晨、沙浩和張永兵教授為論文共同第一作者。該研究獲得國家自然科學(xué)基金委和深圳市科學(xué)與技術(shù)項目支持。哈工大全媒體(闞思邈 向碧霞 馮笑晨 文/圖)
 

相關(guān)研究成果發(fā)表在國際學(xué)術(shù)期刊《自然·計算科學(xué)》上
 

異常擴(kuò)散識別中深度學(xué)習(xí)分布外檢測問題與解決方法
 

異常擴(kuò)散識別中深度學(xué)習(xí)分布外檢測的相關(guān)評估結(jié)果