我们提出了一种流行病学模型，它可以通过变分数据同化实时地整合新数据，用于预测和评估全球隔离措施的社会和经济成本，并分析和讨论中国、美国和意大利的感染率，尤其是我们开发了一个适用于中国城市疫情相关变量的定制隔室SIR模型，称为SITR模型，并应用混合数据同化方法使结果鲁棒性更强。
Apr, 2020
本篇论文研究了COVID-19社会干预，疫苗可及性和公平性之间的相互作用，并讨论了如何使用组合优化来确定移动接种点的位置。
Feb, 2022
该研究提出了一个框架，可以通过机器学习算法从流行病学模型中学习，为流行病规划提供帮助，并通过Apache-2.0授权发布该工作，以提高基于证据的决策制定的能力。
Oct, 2022
本研究应用基于图卷积神经网络的动态连接 GraphSAGE 模型，通过空间时间图研究了全球范围内 COVID-19 疫情传播与人类流动的关系，通过场所敏感度分析找到了导致疫情爆发的主要区域，并提出了空中交通减少方案，为政策决策提供了有效参考。
本研究基于深度确定性策略梯度（DDPG）框架，使用大规模（100,000个个体）的流行病学代理模拟，进行多目标优化，确定了最佳的封锁和疫苗接种策略，以在经济活动的基础模拟中实现最优经济和平衡健康目标。
Apr, 2023
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。
Jul, 2023
通过集成概率技术进行风险评估，在COVID-19疫情的控制和流行扩展阶段，使用口罩和系统性实施的接触追踪策略可能是一种有效且社会影响较小的替代方案。研究发现，概率接触追踪技术在捕获病原体扩散的逆向传播和超级传播事件方面表现出显著的功效。
Dec, 2023
利用基于代理的模型(ABM)对复杂的感染动态和干预影响进行模拟，研究了疫情流行的趋势以及干预措施的综合应用，发现在前100天内做出迅速决策和高效政策制定对疫情发展至关重要，同时揭示了行为和数字干预可以减少药物干预的负担，延迟疫情高峰，并指出将预算相同的资源投入广泛的测试、接触追踪和自我隔离相比，更具成本效益。
Jan, 2024
针对COVID-19疫苗分配中存在的易受影响却难以获得疫苗的弱势群体，我们形式化并研究了资源分配问题，标识出减少资源差距作为关键目标，并展示其作为更复杂后续影响的替代指标的作用。我们提出了一种具体的访问模型，有助于量化给定分配对有利群体和不利群体之间的资源流动，基于他们之间的访问差距。然后，我们提供了一种访问感知的分配方法。直观地说，得到的分配利用更多疫苗在易受影响人口更多的地区以减少访问差距和整体不公。出乎意料的是，进行访问感知的分配通常不需要了解访问差距。为了支持这个形式化表示，我们提供了我们的访问模型的经验证据，并展示了访问感知的分配可以显著减少资源差距，从而改善后续结果。我们在县级、州级、国家级和全球级别展示了这一点。
通过使用多目标强化学习和流行病学模型，研究提供了一种优化决策的方法来同时减少经济影响和感染率的多种大流行病场景。