用复杂网络建模相互作用系统的动态已成为主要范例，但现实系统的高阶相互作用往往涉及三个或更多单元的团体，因此更好的工具是高阶结构，如超图和单形复合体，本文概述了高阶相互作用引发的集体行为及高阶系统物理面临的三个关键挑战。

Oct, 2021

本研究考虑了人工智能在复杂人类环境中透明和可解释性的问题，提出了一种基于模式和信念函数的理论框架，并通过高维几何空间的可视化来解释系统行为。

Aug, 2022

本文基于领域非特定的语言，评估了复杂系统分析流程的每个步骤，包括系统和数据的收集、数学形式主义的不同用途和与其相关的计算方法，讨论了依赖性如何产生及其如何改变结果解释或整个分析流程，并通过两个真实世界的例子说明了研究问题、所选数学表示形式和研究对象选择对结果的影响。

Jun, 2020

从数据、算法和计算能力的角度出发，本文归纳了科学范式的演变，将模拟技术分为三个阶段，并发现先进的模拟技术是范式集成的典型实例。此外，本文提出了行为模拟（BS）和复杂行为模拟（SBS）的概念，用于模拟涉及复杂的社会系统中的复杂人类策略和行为。BS 和进一步的 SBS 旨在应对超出传统基于 Agent 的建模模拟（ABMS）容量的复杂人类系统的挑战，可将其视为科学的可能下一个范式。通过本研究，我们期待在社会科学领域中有更强大的 BS 和 SBS 应用。

Jan, 2024

本论文探讨了利用复杂系统研究自然和人工系统的学习和适应能力，旨在开发能够无需监督学习、自主发展并随时间变得越来越复杂的自主系统。复杂系统被视为理解这些现象的适当框架，因其能够展现复杂性的增长能力。通过理解复杂系统中学习的基本原理，我们希望能够在未来设计和实施更实用的学习算法。该论文的关键贡献有：开发了一个可应用于搜索展现复杂性增长的复杂系统的通用复杂性度量，引入了一种用于研究大规模复杂系统中计算的粗粒化方法，以及开发了一个学习效率度量和一个用于评估学习算法速度的基准数据集。我们的发现大大增进了我们对自然和人工系统学习和适应能力的理解，而且我们的方法为该领域的研究开拓了一个有前途的新方向。我们希望这些发现能激发未来更有效和高效的学习算法的发展。

Jul, 2023

开发一个模拟框架软件，使用现代工程方法（如模块化，测试，持续开发和持续集成，自动化构建管理，依赖性和文档管理）和敏捷原则，以进行工业案例的快速原型设计和逼真的可行性分析（即通过模拟涉及大量参与者的复杂实验来测试假设，在一个或多个区块链系统中）。

Apr, 2024

该论文介绍了一个新的概念，用于可解释和可适应的软件系统：自维持软件系统（S4）。S4 建立了现代软件系统中所有可用知识源之间的知识循环，以提高其可解释性和适应性。

Jan, 2024

通过将大型语言模型（LLMs）如 GPT 集成到智能智能体建模（SABM）中，我们在这篇综述性研究中阐明了 ABM 的现状，介绍了 SABM 的潜力和方法，并提出了三个案例研究，验证了其在模拟现实系统中的有效性，同时展望了 SABM 未来应用的广阔前景，旨在重新定义计算机仿真的边界，实现对复杂系统的更深入理解。

Nov, 2023

通过分析复杂网络在各种真实世界问题和数据的表示、分析和建模方面的应用，介绍其主要概念和模型，并调查了一系列现象，对其应用于新理论方法和应用于实际问题的潜力进行评估。

Nov, 2007

复杂的机器人行为通常需要多种机器人和人工智能技术和组件的整合。使用一个形式化的框架来模拟组件之间的交互可以解决认知机器人面临的重大挑战之一。本文将现有的一个形式化框架扩展，以模拟机器人系统的复杂集成推理行为，从符号规划到策略和转换系统的在线学习，并允许更灵活地建模不同推理组件之间的交互。

Oct, 2023