Ginestra Bianconi来自英国的Queen Mary University of London，是一位数学科学学院的应用数学教授，主要从事统计力学和网络科学领域的研究，近年主要集中于多层网络、网络的几何和拓扑性质、单纯复形以及复杂系统的渗透、同步和控制方向。
她认为2021年的物理学诺奖肯定了复杂系统以及其被随机性（randomness and stochasticity）驱动的动力学研究的主流学科地位，且应获得最高级别的科学奖项。
对于复杂系统，她并未给出明确/全面的定义，而是强调了一个获得广泛共识的复杂系统特征——涌现现象（emergent phenomena）。另一个被广泛接受的观点是：复杂性源自随机性和有序性之间的竞争，且复杂系统元素之间相互作用网络的随机性数量/程度与网络的拓扑结构具有内在联系。Ginestra Bianconi 认为在未来二十年中，复杂性科学和气候变化、流行病演变、精准医学和量子通信四个领域的研究相关性和紧迫性较强，将成为重中之重。生物学在过去几十年中一直追求单分子的方法并严重依赖分子生物学的研究框架，但现在人们普遍认识到大多数疾病的复杂性，为了理解这些疾病，重要的是要接受疾病相关互作网络的复杂性和异质性，需要将网络科学、机器学习、人工智能与分子生物学和神经科学相结合。
在复杂系统的稳健性和脆弱性之间的关系问题中，Ginestra Bianconi提出了临界点研究的重要性，尤其是在气候变迁的临界点以及大脑功能与疾病中的应用，并认为进一步理解网络拓扑结构及动力学之间关系的重要工具是拓扑理论和随机几何。复杂系统预测能力的提高则主要在于基于大量数据、与数据科学、网络科学、人工智能等方法结合。但这种方法往往是以黑箱作为代价/风险，应用简单模型理解复杂系统对于结果的可解释性具有重要意义，对设计出更好的人工智能算法至关重要。
In the next twenty years progress at the interface between complexity and biology will be key to make much needed advances on precision medicine. This big complexity challenge will require a truly interdisciplinary approach combining network science, machine learning and AI with molecular biology and neuroscience. Indeed while biology in the past decades has been pursuing extensively the single molecule approach or relying heavily on the central dogma of molecular biology, it is now well recognized that most of the diseases are complex and for understanding these diseases it is important to embrace the complexity and the heterogeneity of the interacting networks of the cell. In neuroscience brain research is flourishing yet the complexity of the system which is inherently multiscale and enriched at the molecular level by a formidable richness of the combinatorics of the interactions which still constitute a challenge for a global understanding of brain function.
网友评论