大規模動態網絡的新建模方法

工程系統，例如電網和運輸系統，正變得越來越復雜，并且包含許多在空間上相互關聯的子系統。這些“動態網絡”的建模是設計、分析和控制這些系統的一項重要任務。通過利用圖論，Shengling Shi 開發了新的建模方法，該方法考慮了動態網絡的互連結構，從而允許在網絡中更靈活地放置執行器和傳感器，以進行數據收集和數據驅動建模。

由于當前復雜動態系統的機器學習和人工智能的進步，動態網絡的數據驅動建模引起了大量的研究關注。這一建模任務的挑戰主要是由大規模動態網絡中子系統的復雜互連引起的。這使得最初為小規模系統設計的數據驅動建模的經典方法不足以對大規模動態網絡進行建模。

石盛凌在他的博士論文中發言。通過采用圖論研究動態網絡建模的經典方法的缺點。通過以圖形方式表示動態網絡的互連結構，施開發了圖形工具和算法來分配傳感器和執行器，從而可以識別動態網絡的模型。他還開發了從傳感器數據估計動態網絡互連結構的有效方法。

開發的建模方法具有重要的應用，例如，在生物網絡、電網和社交網絡中。Shi 將其應用于從 fMRI 數據推斷大腦連通性，以研究深入聆聽莫扎特音樂對人類認知的影響，這是神經科學中感興趣的話題。他的研究證明了所開發的建模方法的有效性及其在各個領域的潛在應用。