“同车行”大讲堂第九十一期｜神经网络辅助的非马尔科夫过程模型的近似与参数推断
2024年3月26日，第九十一期“同车行”大讲堂在新能源汽车工程中心报告厅顺利举行。华东理工大学教授曹志兴教授进行了主题为“神经网络辅助的非马尔科夫过程模型的近似与参数推断”的报告。报告由汽车学院高炳钊教授主持。
报告伊始，曹志兴教授引用《Nature》的一期封面作为例子，生动地阐述了在高水平期刊上发表论文的四个关键要素：创新性、工作量、普适性和热门度。曹教授强调研究方法必须有创新性，而不是对前人工作的简单修改；不只在方法论上要进行创新，提出问题做出合理的解释也相当重要。其次，高水平论文的篇幅可能只有几页，但其中所涵盖的研究工作量需要确保一定的体量，才能成就优秀的研究。此外，研究的方法与成果应当具有一定的普适性和推广价值，能够在学术上产生较为广泛的影响。最后，研究课题应当与当前热门的科学问题和前沿领域相关，这些研究往往能够引起高水平期刊的关注和讨论。
随后，曹志兴教授从自身正在开展的研究出发，分享领域前沿知识及其研究过程。他指出，细胞是一种自然复杂微系统。在细胞内部，基因表达是细胞反应系统的核心。细胞基因表达具有随机性，曹教授将其描述为一种强噪声过程，并提出了三个与基因表达的随机性相关的科学问题：基因表达噪声来源、基因表达动态表征以及随机基因表达结果。基因表达噪声的来源是分子碰撞的随机性，相关研究发现，这种基因表达噪声实际上对大肠杆菌在抗生素环境下的存活具有一定作用，这一结果颠覆了传统生物学对基因表达的理解，基因表达噪声结果也成为生命科学研究的前沿课题之一。
最后，曹志兴教授分享了复杂系统的建模方法。他指出，在揭示细胞基因表达的机制和规律的过程中，传统的建模方法存在一定困难，并容易面临维度灾难的挑战。为了克服这些问题，他表示应采用神经网络近似方法和神经网络训练方法进行建模。这种方法具有高精度、高效率，能够准确判断不可观测物质含量和鲁棒估计模型参数及置信区间的优点。
报告结束后，高炳钊教授为曹志兴教授送上大讲堂纪念相框。
文案｜韦子煜
摄影｜王潇迪
审核｜高炳钊
责编｜葛 畅 史静远
推荐阅读
相关链接：第二届汽车闪光青年 | 等你来发现！