专访复杂系统研究者：跨学科研究中的复杂科学

Oct. 22, 2022

跨学科研究中的复杂科学

专访四位复杂系统研究者

霍金在新千年来临时直言：21世纪是复杂性的世纪。但我们很少听到哪位学者声称自己是“复杂科学家”，因为对复杂性的探索深入各个学科。

本期访谈的四位受访者所在的学科领域，均与复杂科学有着千丝万缕的联系：网络方法作为抽象建模的手段，近20年在社会、经济、人工智能等领域应用广泛，成为复杂科学最亮眼的领域；生命起源问题则直指复杂系统的创造与演化过程，甚至让我们得以超越地球生命的视野，在宇宙尺度追问生命是什么；生态系统研究既是复杂科学的主要来源之一，也在复杂系统方法的帮助下不断取得突破，帮助人类认识到自己也只是系统的一部分；机器学习领域的因果革命以及向新一代人工智能的迈进，则有望破解复杂系统中的涌现之谜。

复杂系统的骨架：网络

专访吕琳媛

受访人 _ 吕琳媛（电子科技大学基础与前沿研究院）

采访人 _ 刘培源

请介绍一下您的研究方向。

吕琳媛：我主要从事统计物理与信息科学交叉领域的前沿研究，关注网络信息挖掘的基础理论和关键方法。网络信息挖掘是复杂系统研究的重要方向，其核心是研究如何快速、高效地从大规模网络中挖掘出有价值的信息。这方面的研究不仅为理解大脑、信息、城市等各类复杂系统的结构、功能、演化机制提供了理论框架和方法论支撑，也具有重要的应用价值。近年，我们重点关注网络高阶分析（即以一种新的高阶视角对网络进行研究）方面的理论及应用研究。

为什么复杂系统研究需要复杂网络？

吕琳媛：复杂网络是描述复杂系统的抽象模型。其中，节点表示复杂系统的组成元素，节点之间的连边表示各元素之间的相互作用。真实世界中的许多复杂系统都可以用复杂网络的形式进行描述，不同系统所具有的共性都蕴含在其所对应的网络结构中。复杂网络也为不同学科领域的复杂系统研究提供了重要的理论和方法支持，是复杂系统研究发展到21世纪，伴随着互联网、大数据、人工智能的发展涌现的一个新兴前沿方向。

请谈谈您在链路预测和节点排序两方面取得的主要研究成果。

吕琳媛：我们知道，一个网络包含两个基本要素，即连边（或链路）和节点。在网络的框架下，网络信息挖掘就可以从对连边和节点的认识出发，分别对应重要链路挖掘和重要节点挖掘问题。其中，前者又可细分为对缺失链接的预测（即链路预测问题）和对虚假链接的识别问题，而后者本质上是对节点的重要性进行排序。

链路预测，即基于已观察到的网络结构来预测网络中未连接的两个节点之间形成链路的可能性，预测对象既包括可能在观察中被忽略的链路，也包括未来可能出现的链路。链路预测本质上是从网络链路的微观层面解释网络结构生成的原因，具有广泛的应用场景。例如，其可用于在线社交网络的好友推荐、指导生物网络的结构验证实验、预测疾病和致病基因的关系。

链路预测

吕琳媛 周涛

高等教育出版社, 2013

在网络中，重要节点是指相比其他节点能够对网络的结构与功能发挥更大影响的一些特殊节点。节点排序（或称节点重要性排序、重要节点挖掘）旨在将这类特殊节点识别出来。对重要节点挖掘的研究不仅具有理论意义，也可以解决与社会经济相关的现实问题，如遏制传染病传播、控制社交媒体舆情。

近年，我们利用统计物理学的理论和方法解决了信息领域的若干重要问题，原创性地提出了以系综理论和似然分析为基础的网络信息挖掘基础理论体系，以及以扩散动力学为基础的系列网络信息挖掘方法，相关研究推动形成了一个新的物理、信息交叉研究方向，成果也获得广泛应用。

比较有代表性的是，在链路预测方面，我们首次提出网络链路可预测性的概念并给出定量刻画指标，被国际同行称为链路预测领域的一个里程碑；在重要节点挖掘方面，我们首次揭示了过去30年被认为不相关的三个重要指标——度中心性、H指数和核数——的内在联系（即网络的DHC定理），并提出有效挖掘网络中重要节点的系列算法，解决大规模演化网络的重要节点识别难题。目前已有部分研究成果被应用于网络舆情监控、致病基因预测、医保欺诈识别、电子商务服务等实际系统中。

2021年复杂系统研究者获得诺贝尔物理学奖，这对复杂科学意味着什么？

吕琳媛：这是诺贝尔物理学奖首次被授予与复杂系统相关的研究者，对复杂系统研究具有里程碑意义，对于从事相关研究的学者也是一个极大的鼓舞。这既说明复杂系统领域的研究和重要成果已经获得科学界的认可，也表明通过具体系统研究来发展复杂系统的基本理论仍然任重道远。我相信，这一事件将推动复杂系统研究进一步发展，尤其是在当今的数字化时代，复杂系统与复杂网络的理论和方法有了更广阔的用武之地，在其与人工智能、生物、社会、经济等多学科交叉融合的过程中不断涌现出更具挑战的新问题，有待进一步探索。

恭喜您获得国际网络科学学会2022年Erdős-Rényi奖，您怎样评价中国学者在复杂科学领域的贡献？

吕琳媛获2022年Erdős-Rényi奖

图源：集智俱乐部

吕琳媛：在我国，最早由钱学森先生与一批科研人员对复杂系统进行了积极的探索，知名系统科学专家方福康老师也是其中一员，他也是我的母校北京师范大学管理学院（现在的系统科学学院）的创始人。钱老等前辈早在20世纪70年代就对复杂性科学进行了研究，创造性地建立了系统科学与系统论。21世纪前夕，小世界网络、无标度网络等的提出使许多物理学家（尤其是统计物理学家）认识到，使用复杂网络作为复杂系统研究工具的重要作用。我国学者对复杂系统及复杂网络的研究主要分为三条路径：一条以理论物理、统计物理学者为代表，强调对复杂系统基础理论的研究；一条以计算机、控制领域学者为代表，关注对系统的管理、控制以及在工程领域的应用；还有一条关注复杂系统方法在社会经济领域的应用。在复杂系统研究的各个方向，中国学者的研究贡献都越来越突出。

中国复杂系统研究的发展，从相关会议的举办可见一斑：中国网络科学论坛自2004年起已举办了18届，全国复杂网络学术会议自2005年开始已举办了17届，还有中国系统科学大会、全国统计物理与复杂系统学术会议等众多相关会议在持续举办，说明复杂系统研究在我国愈发受到重视。另外，2018年，国际网络科学冬季会议（NetSci-X）首次在中国杭州举办，国际网络科学大会（NetSci）于2022年7月在上海顺利召开，标志着国内网络科学研究得到了国际同行的认可。在一些领域，我们已经和国际同行处在同一水平，甚至做出了自己的特色。当然，要想完全引领发展，还有很长的路要走。基于中国人固有的系统整体思维观、互联网在中国本土的广泛应用以及国家对科技创新的高度重视，我们坚信，未来中国一定有机会成为全球复杂系统研究的高地。

当前热门的跨学科研究对复杂科学的意义是什么？

吕琳媛：这是好事。传统的科研模式已不能适应飞速发展的社会需要。网络时代，不管是科研活动内部，还是科研与经济活动之间，除了分工，更需要合作。这里所说的合作不是像组装零件那样简单，而是一种有机的整合。应该说，在万物互联的今天，分工就是为了更好地合作。对于科研活动（特别是交叉科学的研究）而言，我们既需要在各自的学科领域进行深入持续的研究，也要看到其他学科前沿的发展及其与自身研究的关系，这样才有可能取得更有影响力的研究成果。另外，今天人类面对的问题越来越复杂，已经很难从单一学科去解决，这也为复杂科学这类交叉研究提供了大展拳脚的契机。当然，这种交叉一定是围绕关键科学问题来展开的，而不是简单地为交叉而交叉。

您怎样看复杂科学与人工智能的结合？

吕琳媛：人工智能技术为复杂系统研究提供了前沿方法，在提升解决相关问题的准确性和计算效率等方面具有显著优势。尤其是在当前海量数据的背景下，考虑到数据的高维度、强噪声、稀疏性、异质性等性质，人工智能技术可以有力赋能数据的收集、处理及提取复杂系统的特征和要素等重要环节。复杂系统研究与人工智能技术的结合是未来一个极具潜力的方向。

复杂科学的前景如何?

吕琳媛：我认为，在未来的几年里，复杂系统的研究将在脑科学、数字治理、军事科学等多个领域开花结果。随着理论和研究方法的深入发展，复杂系统研究将会为这些领域带来新的研究视角及方法。以复杂网络为例，近期我们关注的网络高阶分析在脑网络等研究领域取得了初步的成果，这些成果为我们认识人类大脑提供了新的洞见，为临床应用和开发类脑计算框架开辟了新途径。我们相信，将复杂系统的理论和方法与具体的研究背景和研究问题相结合，具有解决已有难题的巨大潜力。我们也清楚地认识到，现实世界中的真实系统具有特征多变、动态演化、不可预测的特点，且对效率、精度和成本的要求更高。在这种情况下，如何发展更符合现实的复杂性科学理论和方法，并将其有效地应用于真实系统中，还需要更进一步的研究实践工作，也需要不同领域学者的参与和合作。

链接：https://mp.weixin.qq.com/s/t0t9ku7o-F76_XuT0urbxw