本报讯（记者韩扬眉）北京雁栖湖应用数学研究院院长丘成桐、研究员邬荣领和吴杰等提出了一个“超网”模型，能更有效地研究群落行为背后物种间相互作用的拓扑结构和功能，为解析全球气候变化、粮食预测、疾病发生、股票市场等复杂系统提供新视角。近日，相关研究成果发表于美国《国家科学院院刊》。

如何构建“超网”，是学术界一个悬而未决的难题。“自然界的许多现象都包含多个随机因子的相互作用。而因子之间的关系是非线性的、动态的、异构的、高阶的，现有的网络模型主要关注成对相互作用，但高阶互作普遍存在，更能解释自然现象，而目前还没有一个通用模型能构建高阶互作网络。”邬荣领说。

研究人员利用GLMY同源性提出了一个统计力学框架，重建了双向、有符号和加权的“超网”。这一“超网”能描述、解析与解释各节点如何受其自身反馈、其他节点策略和节点之间交互策略的协同影响，以及各种有向互作如何受单个节点影响等重要机理问题。

邬荣领以癌症为例解释说，对于身患癌症的原因，人们在基因、环境、生活方式等方面研究得比较充分，但实际上“随机”，即“运气”的影响也很大。“借助‘超网’模型，我们可以解码分析看似毫无头绪的随机因素，并找到规律，为临床治疗提供依据。”

为验证该模型的运算结果，研究人员还开展了肠道微生物群相关实验，结果得到了实验数据的验证。研究人员成功模拟了细菌相互作用的繁殖趋势。最近，合作团队在一种疾病缺陷易感模型中验证的结果与“超网”模型预测的结果相契合。

“我们的互作网络能解析随机、非线性、不确定的自然现象，发现其背后的真实状态，从而解析任何社会现象、自然现象的内在规律。如果将‘超网’作为人工智能的一个底层框架，有望为人工智能提供数学基础，提高解释复杂系统的能力。”邬荣领说。

相关论文信息：

https://doi.org/10.1073/pnas.2412220121