大规模动态网络的新建模方法

工程系统，例如电网和运输系统，正变得越来越复杂，并且包含许多在空间上相互关联的子系统。这些“动态网络”的建模是设计、分析和控制这些系统的一项重要任务。通过利用图论，Shengling Shi 开发了新的建模方法，该方法考虑了动态网络的互连结构，从而允许在网络中更灵活地放置执行器和传感器，以进行数据收集和数据驱动建模。

由于当前复杂动态系统的机器学习和人工智能的进步，动态网络的数据驱动建模引起了大量的研究关注。这一建模任务的挑战主要是由大规模动态网络中子系统的复杂互连引起的。这使得最初为小规模系统设计的数据驱动建模的经典方法不足以对大规模动态网络进行建模。

石盛凌在他的博士论文中发言。通过采用图论研究动态网络建模的经典方法的缺点。通过以图形方式表示动态网络的互连结构，施开发了图形工具和算法来分配传感器和执行器，从而可以识别动态网络的模型。他还开发了从传感器数据估计动态网络互连结构的有效方法。

开发的建模方法具有重要的应用，例如，在生物网络、电网和社交网络中。Shi 将其应用于从 fMRI 数据推断大脑连通性，以研究深入聆听莫扎特音乐对人类认知的影响，这是神经科学中感兴趣的话题。他的研究证明了所开发的建模方法的有效性及其在各个领域的潜在应用。