【儀表網 研發快訊】近日，深圳校區計算機科學與技術學院(以下簡稱“計算機學院”)張永兵教授與清華大學自動化系季向陽教授合作，在AI+擴散動力學領域取得重要研究進展，相關研究成果以《面向分布外異常擴散動力學的可靠深度學習》(Reliable deep learning in anomalous diffusion against out-of-distribution dynamics)為題，在國際學術期刊《自然·計算科學》(Nature Computational Science)上發表。
隨著深度學習方法被應用于異常擴散的識別與表征，出現了一個基本挑戰：如果觀測軌跡缺乏訓練擴散模型的特征，深度學習方法將導致不正確的觀測現象識別。這種潛在的錯誤識別風險使深度學習方法難以被部署于真正的擴散動力學研究，同時也浮現出一個新問題：深度學習的“錯誤”是否能被研究者用于探索不同擴散動力學間的潛在關聯？
研究團隊針對現實世界場景中的復雜與未知擴散動力學行為，首次提出可靠識別異常擴散的深度學習框架，借助人工智能驅動的科學研究(AI for Science)改變現有擴散評估模式，同時深入討論了深度學習從經驗觀察中發現和分析未知擴散模式的機會，為AI助力人類進一步深入理解異常擴散與復雜動力學行為邁出開創性一步。
鑒于本研究的新穎性和重要性，《自然·計算科學》期刊邀請美國科羅拉多州立大學電氣和計算機工程系阿德里安·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隊成果進行深入解讀與評述，認為該成果加強了人們對異常擴散的理解，同時為使用深度學習進行分布外檢測促進新理論發展注入了新動力。
哈工大深圳校區為論文第一完成單位。深圳校區計算機學院張永兵教授和清華大學季向陽教授為論文通訊作者，計算機學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基金委和深圳市科學與技術項目支持。哈工大全媒體(闞思邈 向碧霞 馮笑晨 文/圖)
相關研究成果發表在國際學術期刊《自然·計算科學》上
異常擴散識別中深度學習分布外檢測問題與解決方法
異常擴散識別中深度學習分布外檢測的相關評估結果
所有評論僅代表網友意見，與本站立場無關。