本文介绍了一种使用广义变分推断过程提供免疫缺陷鲁棒的贝叶斯参数推断的方法，以解决可微分 ABMs 的近似贝叶斯推断技术问题，并通过对 COVID-19 流行病的可微分 ABM 实验验证其准确性和未来工作的方向。
May, 2023
本文讨论了代理模型（ABMs）的不同陷阱以及对应的解决方案，旨在解决该方法在实践中的困难。
Jul, 2023
利用最新的人工智能技术和传统的基于代理的模型，该研究通过耦合图神经网络（GNN）和长短期记忆（LSTM）网络，开发了一种张量化且可微分的基于代理的模型，用于研究 2019 年发生在新西兰的麻疹爆发，展示了在重复发病期间准确模拟爆发动态的有希望的能力，从而帮助我们在制定应对爆发和最大限度减少对日常生活干扰的有效策略时做出更明智的决策。
Mar, 2024
通过结合改进的 SEIRD 模型和公民决策模型，本研究提出了一个基于 Agent-Based Modeling (ABM) 的架构，可用于分析社会中病毒感染的演变过程，考虑到传染病防控措施的接受与拒绝对病毒传播的影响。
该研究论文介绍了模型分析工具在实际大规模 ABMs（基于代理的模型）中的执行和运行性能问题，并提出了一些适用于非线性动力模型的替代模型，这些方法在社会健康计算科学领域尚未得到广泛运用，但在建立 ABMs 的替代模型方面可能是有用的。
本文研究了基于智能体模型的强化学习环境的好处。通过对比微分方程和智能体模型基础的流行病 SIR 环境的控制，数值模拟结果表明使用智能体模型的 SIR 模型固有噪声不仅可以提高平均奖励，还能让 RL 智能体在更广范围的流行病参数范围内进行泛化。
Mar, 2022
通过与类 ChatGPT 的大规模语言模型连接，利用基于生成的人工智能的代理人疫情模型，使每个代理人能够自主理解和决策，从而将人类行为纳入疫情模型，本研究开创可能改善动态系统建模的潜力，为代表人类大脑、推理和决策方式的建模提供一种方法。
该研究使用基于随机森林的代理模型技术加速评估传染病流行模型，并通过 Markov 链蒙特卡罗方法对一种名为 CityCOVID 的流行病学模型进行校准，以提高其预测性能。
Jun, 2024
利用生成式人工智能建立反馈丰富的社会系统计算模型，通过生成代理基于模型（GABMs），将人类决策过程在社会环境中进行模拟，并探讨了社会规范扩散的一种简单 GABM 模型，以及该模型在不同情境下的敏感性和重要性。
Sep, 2023
本研究介绍了一种自动校准框架，将动态校准和异质校准方法结合起来，动态校准通过自动捕捉适当的模拟时间来调整模拟参数，而异质校准通过聚类方式调整与代理有关的参数，从而缩小模拟和实际群体之间的分布差距。