北京
一個困擾學界多年的問題有了新解法：復雜系統到底能預測到什么程度？香港大學主導的國際團隊最近給出了一套理論框架，把網絡預測能力變成了可計算的問題。這項研究剛發表在《美國科學院院刊》，合作方包括浙江大學和羅馬大學，后者團隊的喬治·帕里西是2021年諾貝爾物理學獎得主。
復雜系統無處不在。大模型的參數網絡、蛋白質相互作用、社交網絡傳播——這些系統的共同點是節點多、連接亂，傳統方法算不動也看不清。研究團隊的核心思路是把網絡預測問題映射到統計物理的經典模型"自旋玻璃"上。這個模型原本用來描述無序磁性材料，恰好能刻畫復雜網絡中的隨機連接模式。
關鍵突破在于"局部化"。團隊證明，整個網絡的預測能力可以拆解成每條邊的局部貢獻。這意味著不用算完全局再下結論，只看鄰居節點的信息就夠了。計算復雜度大幅下降，大規模網絡分析從此變得可行。基于這個理論，他們設計了一種局部采樣算法，只采集鄰域數據就能完成預測。
這套方法的應用前景很直接。AI領域可以用它來評估模型架構，判斷哪些設計更高效、更可解釋。生物醫藥領域更具體：分子相互作用預測有望提速，藥物研發的時間線可能縮短。研究團隊提到，這為計算生物學提供了"更精確的觀測鏡頭"。
論文第一作者是港大數據科學研究院的博士后景飛，通訊作者包括浙大的張子柯教授和帕里西。港大方面強調，這是該校數據科學研究院與李嘉誠醫學院的跨學科合作成果。從理論物理工具到生物醫學應用，這條路徑本身也說明：復雜網絡的問題，需要打破學科邊界來解決。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
