學習“以小見大”的人類思維 新的AI模型將用於新冠病毒預測

計算機數學模型能否真的幫人類預測新冠病毒的突變，並在需要時有效指導疫苗的研發？這是南加州大學維特比工程學院（USC Viterbi School of Engineering）的研究人員——楊如晨（音）、肖雄業（音）和電子與計算機工程副教授保羅·博格丹（Paul Bogdan）正在考慮這種可能性。

在過去的1年裏，他們一直致力於開發一種模型，用來研究網絡及其組成部分之間的關係，從而找到模式並做出預測。現在，他們要將這個初步成功的模型應用到當前的新冠肺炎大流行中。

他們的目標是研究新冠病毒的RNA序列，確定該模型是否能夠根據過去的突變來準確預測其基因編碼在未來可能發生的變化。目前這項研究仍在進行中，尚未得出結論。

他們的研究以Controlling the multiple fractal Generating Measures of Complex Networks（控制複雜網絡的多重分形生成措施）為題發表在了《自然科學報告》上。

這項研究範圍囊括從大腦和基因組這樣的生物系統到地球科學社交網絡和金融市場的網絡和過程，廣泛應用於對各種現實世界網絡的理解。

現實世界是由各種複雜小系統組成的大系統。從人腦的活動，到城市交通流的模式，再到岩石的分子結構，這些錯綜複雜的網絡都是由更小規模的相互作用和更簡單的部分組成的。在現實世界中，每個人可能只能觀察到系統的一小部分。

因此，這項研究意義重大，新模型提供了一種在網絡中尋找模式的方法，可以幫助預測網絡在更小或更大的尺度上是如何工作的。

楊如晨説：“我們的模型是基於現實世界中存在多重分形的。分形系統是一個部分與整體相似或相同的系統。

他所説的多重分形特徵在現實世界中非常常見，包括人類心率、血糖變異性、大腦活動、互聯網流量、氣象學等等。這些多重分形特徵意味着，在系統中發現的模式可以用來對整個系統做出預測和結論。

他們成功地開發了一個用於分析多重分形網絡的數學模型，稱為加權多重分形圖模型（WMG）。WMG模型描述了現實世界網絡的基本原理，研究了網絡的較小部分與整體之間的關係，並通過觀察這些部分來預測整個系統的未來行為或變化。

在他們的論文中，WMG模型被應用於2個方面：酵母細胞的繁殖過程和阿爾茨海默病認知障礙患者的大腦網絡。

在酵母細胞研究中，他們發現了生殖的反應和過程。他們利用這些知識來區分這些細胞的生長狀態。酵母細胞的整個生殖系統是由染色體間的相互作用控制的。模型繪製了這些組分與基因組整體結構和行為之間的關係，以描述繁殖過程所有小的相互作用對一組酵母細胞最終生長狀態的影響。

從現實意義而言，模型展示的內容可以用來調節酵母細胞培養物的生長，通過指示如何控制細胞繁殖的條件。

在人腦網絡的結構和功能研究中，他們檢查並比較了早期阿爾茨海默病患者的大腦和認知健康個體的大腦，以發現大腦活動的模式與疾病相關的認知障礙。他們將模型應用於晚期輕度認知障礙患者大腦基質的相互作用，以適配正常人大腦基質。

他們的模型還可以讓研究人員通過控制規則來控制複雜網絡的結果，這些規則是小部件在整個系統中相互作用的結果，從而得到一種更有效和更穩健的控制方法。如果科學家能夠設計出治療方法來控制健康大腦和認知受損大腦之間的差異，他們就可以開發出預防或治療阿爾茨海默症的新方法。