Mar, 2024

一个基于人工智能的代理模型及其在新西兰麻疹爆发模拟中的应用

PDF
TL;DR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。
agent based modelsabmsgraph neural networkgnninfectious disease outbreaks
发现论文，激发创造
  • 可微分的基于代理的流行病学

    本篇论文介绍了一种新的可扩展，快速且可微分的 ABM 设计，即 GradABM。通过广泛的实验，我们证明了 GradABM 的有效性。

    Jul, 2022

  • 智能基于代理的建模：关于在计算机模拟中使用大型语言模型

    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

  • 基于接受控制措施的病毒蔓延的代理模型模拟

    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

  • 基于生成式代理的疫情建模

    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。

    Jul, 2023

  • 基于随机森林的贝叶斯校准随机代理模型

    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

  • 生成代理基于建模：通过将机械模型与生成人工智能相结合揭示社会系统动力学

    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

  • 使用 RL 行为模型的面向政策的基于代理的建模

    本文研究了在决策制定环境下，基于强化学习的智能体决策行为的刻画与建模。实验结果表明，相比于传统的规则制定和数据回归方式，基于强化学习的智能体决策行为模型具有更高的适应性和更好的表现，可以更好地支持 Agent-based Models 在政策分析等领域的应用。

    Jun, 2020

  • 多智能体环境的动态噪声可提升泛化能力：基于智能体模型的强化学习方法

    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

  • 利用时空图神经网络预测 COVID-19 疫情：新西兰研究

    本文提出一种名为 ATMGNN 的深度学习结构，该结构能够结合地理数据和 COVID-19 病例的时间序列数据来预测大流行病的未来动态，并通过学习聚类算法以数据驱动的方式捕获空间图的多尺度结构。作者在新西兰收集和组织了一个新的数据集，并将社会经济横截面数据纳入模型进行了预测，取得了比其他基线更好的预测结果，该研究为实时预测和全球范围的研究提供了一些启示。

    May, 2023

  • 基于 LLM 代理的网络观点动力学模拟

    准确模拟人的观点动态对于理解各种社会现象至关重要，包括极化和误信息传播。我们提出了一种基于大型语言模型的人口多智能体模拟观点动态的新方法。我们的发现揭示出语言模型智能体存在对准确信息的固有偏差，导致在科学现实中产生共识。然而，该偏差限制了模拟对气候变化等问题持有抵制观点的个体。在通过启动工程引入确认偏见后，我们观察到观点分裂的情况与现有的多智能体研究一致。这些见解突显了在该领域中大型语言模型智能体的前景和局限，并提出了未来发展路径：通过与真实世界的话语相结合，完善语言模型，以更好地模拟人类信念的演变。

    Nov, 2023