Průlomový rámec s nositelem Nobelovy ceny: Předpovídá chování komplexních sítí pro AI a medicínu

Mezinárodní výzkumný tým, vedený Univerzitou v Hongkongu (HKU) a zahrnující nositele Nobelovy ceny za fyziku z roku 2021, profesora Giorgia Parisiho ze Sapienza University of Rome, vyvinul průkopnický teoretický rámec.

Mezinárodní výzkumný tým, vedený Univerzitou v Hongkongu (HKU) a zahrnující nositele Nobelovy ceny za fyziku z roku 2021, profesora Giorgia Parisiho ze Sapienza University of Rome, vyvinul průkopnický teoretický rámec. Ten umožňuje dešifrovat předvídatelnost komplexních sítí, které tvoří základ moderního světa – od rozsáhlých modelů umělé inteligence (AI) až po složité biologické a sociální systémy.

Vědci, včetně skupiny profesora Qingpenga Zhanga z HKU Musketeers Foundation Institute of Data Science (HKU IDS) a HKU Li Ka Shing Faculty of Medicine, společně s výzkumníky z Zhejiang University, se zaměřili na dlouhodobou otázku, jak inherentně předvídatelné tyto systémy jsou. Představili rigorózní teoretický rámec, který čerpá z konceptů statistické fyziky. Mapováním předvídatelnosti sítě na klasický model „spinového skla“ vytvořili nový způsob analýzy vzorců propojení.

Klíčovým průlomem studie je demonstrace, že globální předvídatelnost velkých sítí lze rozložit na lokální příspěvky jednotlivých spojení. Tento poznatek výrazně snižuje výpočetní složitost a poskytuje robustní základ pro efektivnější algoritmy k analýze rozsáhlých sítí. Na základě tohoto teoretického pokroku tým navrhl vysoce účinný lokální vzorkovací algoritmus, který se opírá výhradně o informace na úrovni sousedství. Tento přístup podstatně zlepšuje škálovatelnost metod predikce sítí, což umožňuje zpracování obrovských datových sad.

Zjištění mají transformační potenciál napříč mnoha obory. V oblasti umělé inteligence nabízejí nové metriky pro hodnocení a navrhování architektur modelů, čímž zvyšují celkovou efektivitu a interpretovatelnost. V biomedicíně by tato metodologie mohla významně urychlit predikci molekulárních interakcí, což by potenciálně zkrátilo dobu potřebnou pro objevování a vývoj léků díky přesnějšímu výpočetnímu pohledu.