特邀报告

冯建峰

冯建峰


报告题目:Multiscale and multimodality Brain networks


个人简介:国家第二批“千人计划”特聘教授、上海数学中心首席教授、复旦大学类脑智能科学与技术研究院院长。长期致力于发展数学、统计与计算机的理论和方法,并原创性地将它们应用于解决神经科学,各类脑疾病和智能算法中的具体问题。作为英国已做出突出贡献和具有巨大潜力的科学家,2011年获英国皇家学会的沃夫森研究功勋奖(首位华人)。在单神经元和神经元网络的动力学研究、机器学习算法的设计和分析、随机控制理论、因果关系分析等方面都做出过杰出工作,发表在Molecular Psychiatry, Brain, PNAS, PRL, J Neuroscience, IEEE系列上。目前研究兴趣主要集中在不同尺度的海量数据的分析,挖掘和理论研究上。提出和发展了全脑关联分析(BWAS)的方法和理论,并成功的应用于抑郁症,精分和自闭症的病灶的发现和抑郁症的治疗中。

汪小帆

汪小帆


报告题目:从无标度网络研究看网络科学二十年


报告摘要:兴起于世纪之交的网络科学在过去二十年间取得了重要进展。其中,无标度网络的研究处于中心地位,包括无标度网络的普适性、拓扑模型及其对网络性能的影响等等。本报告将从发现、建模和分析几个方面梳理无标度网络的研究历史,在阐述取得的不少成果的同时也分析了存在的一些问题。最后给出对网络科学发展的一些看法。


个人简介:长江学者特聘教授、国家杰出青年科学基金获得者,上海大学副校长。曾获IEEE电路与系统汇刊最佳论文奖、上海市自然科学一等奖和自然科学牡丹奖、上海市领军人才、国家级教学成果一等奖和国家自然科学二等奖,入选人事部“新世纪百千万人才工程国家队人选”。现为国际自动控制联合会(IFAC)复杂大系统技术委员会主席、国际网络科学学会理事会成员、《IEEE Trans. Network Science & Engineering》执委会委员。

谢智刚

谢智刚


报告题目:「有理」、「无理」的级联故障分析


报告摘要:电网的级联故障 (cascading failure) 一直以来都是工程界极度关注的问题,随着网络科学的兴起,级联故障的分析出现了突破性的发展,研究论文应运增生。从电网中寻找小世界、无标度,引用网络科学概念,启发思维,缔结新论。仔细探索却发现疑问重重,网络科学确实有创新性道理, 但倘若遗忘了「物理」,随意假设系统的运作模式,不同文章的结论可以截然不同,结果往往令工程界感到困惑。本报告介绍电网物理的重要性,在 Kirchhoff 定律、功率平衡和系统的基本限制下,研究电网的级联故障才得以与现实相符。在本报告中,电网物理模型结合网络科学的仿真结果,将与北美的级联故障历史数据作比较,并提出以“网际物理系统” (cyber-physical system) 为基础的电网级联故障研究的新方向。


个人简介:香港理工大学电子及资讯工程学系讲座教授、IEEE Fellow、IEAust Fellow。美国 IEEE Transactions on Circuits and Systems Part II 的总主編、IEEE Circuits and Systems Magazine 的前总主編、日本NOLTA的总主編、IJCTA主編。曾获IEEE及其他国际期刊颁发的最佳论文奖,以及包括瑞士日內瓦国际发明展览会《金奖》的数项发明奖。曾三度获选为 IEEE Distinguished Lecturer。曾任 IEEE CAS 非线性电路与系统技术委员会主席、IEEE Fellows获选委员及IEEE Awards委员,并任IEEE网络科学及工程期刊的督导委员会主席。获任为香港研究资助局评审委员、香港研究資助局合作研究计划的评审委员、香港优质教育基金督导委员、及香港创新科技基金评审委員。

周海军

周海军


报告题目:寻找最小防御同盟:为何极为困难?


报告摘要:在网络科学和计算机科学中,常常需要对给定网络构造一个尽可能稠密又尽可能小的子网络。最小防御同盟问题就是这样一种组合优化问题。一个防御同盟包含网络的一部分节点,属于该集合的每一个节点都至少有一半的最近邻节点也同时属于该集合。我们发现构造一个接近最小的防御同盟是特别困难的,用模拟退火的方法求解得到的防御同盟比最小防御同盟要大许多。我们通过自旋玻璃理论和计算机模拟发现出现这一计算复杂性的原因是防御同盟的解空间有两个分支,即高能量分支和低能量分支,二者之间存在一个非连续平衡相变,低能量分支的熵是能量的凹 (convex) 函数。我们发展了一种消息传递算法,通过把能量钳制在接近于基态的目标值,成功实现了在低能量分支搜寻接近最小的防御同盟。这项工作的方法和结论可能也可推广到其它与稠密子网络有关的网络结构问题。


个人简介:1995年毕业于南开大学物理系,2000年于中国科学院理论物理研究所获得理学博士学位。2000年至2005年在德国Max-Planck胶体与界面研究所从事博士后研究,并获德国洪堡基金会资助。2005年起全职在中国科学院理论物理研究所工作,目前为研究员职称。一直在统计物理与复杂系统方向开展理论研究:研究生阶段以单分子生物聚合物结构相变理论为主,博士后阶段关注复杂网络社区结构挖掘和组合优化问题,成立科研团队后则主要研究自旋玻璃平均场理论及其在组合优化问题上的交叉学科应用,近年来进一步将研究拓展到博弈论、统计推断、神经网络和机器学习等问题。共发表八十余篇学术论文和自旋玻璃专著一部。2010 年获中国青年科技奖、2012 年获国家杰出青年基金资助、2015年入选国家百千万工程、2017年担任中国科学院理论物理前沿重点实验室常务副主任。目前担任《中国科学:物理、天文和力学》、《理论物理通讯》及统计物理领域几份国际知名期刊的编委。

董高高

董高高


报告题目:基于外场理论的社团结构网络可靠性研究


报告摘要:描述实际系统的网络通常具有社团结构,通过攻击网络节点可研究系统的还原能力,可靠性。基于渗流理论,我们提出了一类研究具有社团结构的复杂网络还原力的数学框架模型。研究发现连接社团的边(interlinks)及相应的节点(interconnected nodes)能显著增加系统的鲁棒性,使得在单一社团网络中能够发生的连续相变消失,消除了连续相变响应函数的发散,系统变得稳定。进一步地,研究表明网络系统的社团间连边(interlinks)与铁磁-顺磁自旋系统的外场(external field)作用相似,外场使系统离开其临界点。借助这一外场效应,定义了临界相变点处的两类临界指数,通过理论解析与数值模拟发现这类临界指数遵循普适性Widom定律。这一理论框架被应用到实际科学家合作者网络中,发现理论能够描述实际系统的标度规律和可靠性。该项工作对设计安全稳定的具有社团结构的实际网络方面的研究具有一定的推动作用。


个人简介:江苏大学副教授,江苏大学与美国波士顿大学联合培养博士,非线性科学研究中心常务副主任,能源发展与环境保护战略研究中心副主任,。以色列BarIlan大学、美国波士顿大学访问学者。主要从事复杂网络抗毁性、可靠性方面及能源网络相依性方面的研究。此外研究兴趣还涉及到网络科学、机器学习、数据分析方面。在PNAS、PRE、NJP、EPL、Chaos、Energy Policy等学术期刊发表论文30余篇,出版专著1部。

卢剑权

卢剑权


报告题目:混杂耦合网络的群体行为分析与控制


报告摘要:现实网络由于其节点和边的不同呈现出很大的多样性。网络中节点之间的信息交互方式是多种多样的,可以是连续的、离散的、脉冲的、不完整的、甚至是逻辑形式的,不同类型的耦合会产生不同网络的动力学行为。我们将主要从网络节点之间的脉冲耦合、时滞量化的信息耦合以及逻辑耦合等三个角度,利用不同的分析工具,研究相应混杂耦合网络的群体行为,揭示各因素之间的内在关联,进而设计相应控制器达到期望的控制效果。


个人简介:东南大学教授,德国洪堡学者,IEEE高级会员。2003年至今,主要从事复杂网络和布尔网络的动力学分析与控制相关研究,共发表90多篇SCI期刊论文,其中SIAM J.、Automatica和IEEE Trans. 40多篇,22篇入选ESI高被引论文,SCI引用4000多次。担任JFI、NEPL、NCA等3个国际SCI期刊编委,在SCIENCE CHINA: Information Sciences和IET CTA等组织多个专刊。获江苏省科学技术一等奖(排2)和二等奖(排1)、江苏省数学成就奖、江苏省杰青、教育部新世纪优秀人才计划等。

吕欣

吕    欣


报告题目:大数据与公益应用:应对贫穷、疾病、灾害的数据模型


报告摘要:大规模移动通信数据、社交网络数据与卫星图像数据等近年来不断被创新地应用到全球贫穷、疾病与灾害问题的研究中。本报告将结合吕欣博士创建的Flowminder基金会多年来与国际组织联合开展的多项工作,介绍如何将大数据技术转化为公益应用管理决策能力,主要包括:1)手机数据定位与灾害应急管理;2)人口移动网络与疾病风险防控;3)多源大数据融合的贫穷地图(Poverty Mapping)模型。


个人简介:国防科技大学系统工程学院副教授。国际非营利组织Flowminder基金会创始人、理事、首席分析师。主要研究方向为大数据挖掘、复杂网络理论、统计抽样、人类行为动力学等,研究成果发表在Nature、Physic Reports、PLOS Medicine、 PNAS、Global Environmental Change等顶级期刊上,得到MIT(2013,2014)、BBC(2011,2014,2015)、UNOCHA等科研机构、国际媒体、联合国组织的高度评价,产生了深刻的国际影响。其研究促进了国际组织自然灾害救援方式的转变,在海地地震与霍乱(2010-2013)、孟加拉台风Mahasen(2013)、西非国家埃博拉爆发(2014)、中国登革热(2014)、尼泊尔地震与洪水(2015、2016)等事件的应急救援中得到广泛应用。PLOS Medicine(2011)和PNAS(2012,2016)三次对其研究刊发专文进行评价和前景讨论。诺贝尔医学奖、生理学奖颁布机构卡罗林斯卡学院在2011年和2012年将其两项研究分别在主页上作新闻发布。其技术方法被MIT Technology Review列为“2013年世界十大开创性科技”,Flowminder基金会获世界移动大会最佳应用奖(GLOMO Award 2016)。

孙杰

孙杰


报告题目:Data-enabled Causal Network Inference and Applications


报告摘要:Extracting useful information regarding the dynamics and functioning of complex systems is one of the most challenging tasks faced in modern science. A central problem is to infer the causal network from observational data. This problem is challenging especially when the system is high-dimensional and the dynamics is nonlinear and noisy, rendering common approaches such as Granger causality test and transfer entropy infeasible, the former requires a known model whereas the latter is only applicable in a bivariate setting. To tackle this problem, we utilize concepts from information theory and prove that under mild Markov conditions, the causal parents of a given node form the minimal set of nodes that maximizes causation entropy, a result we refer to as the optimal causation entropy principle. This principle establishes the equivalence between causal network inference and optimization of causation entropy, and guides us to develop optimal causation entropy (oCSE) algorithms for causal network inference.


In addition to benchmarking the proposed oCSE method on Gaussian stochastic processes on random networks and discussing interesting effects of symbolization, we present several examples of application, including identification of the coupling structure of repressilator dynamics, inference of information flow and intercommunication networks in collective animal behavior, structural health monitoring from spatially distributed sensor time series data, and reconstruction of Boolean functions and networks. Finally, we discuss our recent work of “entropic regression”, which is an oCSE-based method for nonlinear system identification that can handle relatively large noise and outliers in the observational data.


个人简介:美国Clarkson大学数学系副教授(终身),Chaos期刊副主编。研究领域主要为复杂系统和数据科学,包括复杂系统中的因果关系判定和分析、传感器网络定位、复杂网络控制、网络动力学同步以及优化设计。在多个数学、物理、以及交叉学科期刊,如Physical Review Letters,、Physical Review X、SIAM Journal on Applied Dynamical Systems等发表文章。研究成果曾被Bloomberg、The Guardian等知名媒体等报道。

王贤文

王贤文


报告题目:科学计量学中引用标准化的陷阱


报告摘要:引用标准化是测度论文学术影响力高低的重要指标,基于标准化引文的ESI高被引论文遴选正在受到科研管理部门和学术界的关注。引用标准化过程中,存在诸多需要引起注意的陷阱,例如出版时间、出版时滞、学科划分、综述文献等因素都可能使得引用的标准化出现偏差。基于Incites ESI数据库的13万余篇高被引论文数据,分析上述陷阱因素对引用标准化以及ESI高被引论文遴选的影响。


个人简介:大连理工大学教授(破格),教育部青年长江学者。研究方向为科学学与科学计量学。主持国家自然科学基金、国家社科基金、青年长江学者等项目,在科学计量学领域重要国际期刊Journal of Informetrics、Scientometrics、Research Evaluation等发表SSCI论文30余篇,论文入选ESI高被引论文、ESI热点论文等。多篇论文被Nature、法兰克福汇报、《光明日报》、《中国科学报》等全球数十家媒体报道。

张捷

张    捷


报告题目:大脑功能网络的动态特性和分子机制


报告摘要:大脑功能网络即使在静息状态下也表现出高度的可变性,与学习和记忆密切相关。但目前大脑可变性产生的机制,及其与人类高级认知功能的关联仍不清楚。我们基于美国脑计划HCP,英国Biobank,和和Allen Brain等目前世界上最大的脑科学多尺度数据库,从基因-影像-行为多个层次研究这一问题。首先定义了反应节点全局功能连接时变性的指标,构造了全脑可变性图谱。在此基础上,研究了脑功能网络时变性的神经与遗传机制。发现脑动态网络时变性与节点的网络拓扑结构、神经活动/电活动有关,并受大脑发育和神经可塑性相关的基因调控。我们进一步发现,发现脑网络动态性与智商和创造力均高度相关。我们的工作对于解析人类高级认知功能,启发类脑人工智能具有一定意义。


个人简介:复旦大学教授。主要研究方向为复杂网络与脑科学。于香港理工大学获博士学位。曾获“香港青年科学家奖”提名奖。为牛津大学“系统建模分析与预测”实验室荣誉成员。在PRL,PNAS,Brain,Cerebral Cortex等杂志发表SCI论文60余篇,2篇入选ESI全球top-1%高引用论文。其中2016在Brain杂志发表的脑功能网络动态图谱的论文被选为封面文章。美国2014年美国麦克阿瑟奖得主Bassett教授专门为此在Brain杂志撰写了评论文章。