导语


二十一世纪是生物的世纪，也是复杂性研究的世纪。作为复杂系统的典型代表和最高级体现，生命的诞生和智能的出现是自然界中物质从简单到复杂，从低级到高级演化的最好范例与研究对象。怎样刻画复杂系统，怎样理解其演化和调控，怎样分析其功能的产生，这些例子都给我们提供了有益的启示。





内容简介




本次分享从简单的例子入手，看看物理体系和生物进化中的复杂性是怎样一步步显现出来，从动力学和信息论的角度提取复杂系统的基本特征，阐述生命和智能涌现的信息活动普适性，从而论证其复杂性这一要求的来源。进而简单介绍本组在复杂系统方面发展的几个基本工具和初步成果。




关键词




复杂系统，生命，智能，涌现，信息论，非线性动力学，统计物理




分享大纲




  1. 关于生命和智能涌现的思考

  2. 二十一世纪是复杂性的世纪

  3. 复杂性研究的几个工具




参考文献



  

  1. “On Principles of emergent organization”, A. Rupe and J. P. Crutchfield, Physics Reports 1071,1(2024).
  2. “More is different”, P.W. Anderson, Science 177, 393(1972).
  3. M. Cross, H. Greenside, Pattern Formation and Dynamics in Nonequilibrium Systems, Cambridge University Press, Cambridge, United Kingdom, 2009.
  4. “Reconstructing dynamics of complex systems from noisy time series with hidden variables”, Z. Yan, L. Gui, K. Xu and Y. Lan, New J. Phys. 25, 083011 (2023).
  5. “On the architecture of cell regulation networks”, Y. Lan and I. Mezi´c, BMC Syst. Biol. 5,37(2011).
  6. “Linearization in the large of nonlinear systems and Koopman operator spectrum”, Y. Lan and I. Mezi´c, Physica D 242, 42(2013).
  7. “Bridging steady states with renormalization group analysis”, Y. Lan, Phys. Rev. E 87,012914(2013).
  8. “Criticality in reservoir computer of coupled phase oscillators ”, L. Wang, H. Fan, J. Xiao, Y. Lan, and X. Wang, Phys. Rev. E 105, L052201(2022).

  9. “Koopman analysis of nonlinear systems with a neural network representation”, C. Li and Y. Lan, Commun. Theor. Phys. 74, 095604(2022).





主讲人




兰岳恒，北京邮电大学理学院教授，博士学位在佐治亚理工学院（Georgia Institute of Technology）获得。先后在国内外多个著名大学学习和工作过，有丰富的学科交叉研究经历。主要从事非线性科学、统计物理、生物物理、复杂信息和智能系统等方面的研究工作，注重基本理论方法的发展和与实验紧密结合的应用。现为北京邮电大学“数学与信息网络”教育部重点实验室副主任，多次被邀请在国内外学术会议上报告自己的工作，同时担任期刊“理论物理通信”（Communications in Theoretical Physics）的编委，也是多个国际著名杂志的审稿人。发表学术论文90余篇，包括国际顶级杂志PRL， PNAS， Nature子刊论文多篇。




直播信息



 

时间：2024年9月9日（周一）20:00-21:30

报名直播：
报名参与读书会，可腾讯会议线上讨论：
斑图链接：https://pattern.swarma.org/study_group/45?from=wechat


扫码参与AI by Complexity 读书会加入群聊，获取系列读书会回看权限，加入AI by Complexity社区，与社区的一线科研工作者沟通交流，共同探索复杂科学与AI交叉的前沿领域的发展。


报名成为主讲人
读书会成员均可以在读书会期间申请成为主讲人。主讲人作为读书会成员，均遵循内容共创共享机制，可以获得报名费退款，并共享本读书会产生的所有内容资源。详情请见：AI by Complexity 读书会启动：复杂性怎样量化和驱动下一代AI系统



AI By Complexity读书会招募中



大模型、多模态、多智能体层出不穷，各种各样的神经网络变体在AI大舞台各显身手。复杂系统领域对于涌现、层级、鲁棒性、非线性、演化等问题的探索也在持续推进。而优秀的AI系统、创新性的神经网络，往往在一定程度上具备优秀复杂系统的特征。因此，发展中的复杂系统理论方法如何指导未来AI的设计，正在成为备受关注的问题。


集智俱乐部联合加利福尼亚大学圣迭戈分校助理教授尤亦庄、北京师范大学副教授刘宇、北京师范大学系统科学学院在读博士张章、牟牧云和在读硕士杨明哲、清华大学在读博士田洋共同发起「AI By Complexity」读书会，探究如何度量复杂系统的“好坏”？如何理解复杂系统的机制？这些理解是否可以启发我们设计更好的AI模型？在本质上帮助我们设计更好的AI系统。读书会于6月10日开始，每周一晚上20:00-22:00举办。欢迎从事相关领域研究、对AI+Complexity感兴趣的朋友们报名读书会交流！



详情请见：
AI by Complexity 读书会启动：复杂性怎样量化和驱动下一代AI系统



往期分享：
  1. 第一期 张章 于玉国 田洋 牟牧云 刘宇 杨明哲：复杂性怎样量化和驱动下一代AI系统
  2. 第二期 徐奕舟 翁康宇：统计物理与信息论视角下，结构化噪声与神经网络初始化研究
  3. 第三期 刘宇：“压缩即智能”与算法信息论
  4. 第四期 程奥华 熊巍：从高阶相互作用到神经算子模型：启发更好的AI
  5. 第五期 蒋春恒：网络属性决定神经网络模型性能

  6. 第六期 杨明哲：因果涌现启发AI的“思考”

  7. 第七期 朱群喜：从复杂系统到生成式人工智能


点击“阅读原文”，报名读书会

内容中包含的图片若涉及版权问题，请及时与我们联系删除