精确预知

从地球气候到电网，从社会群体到人类大脑，复杂的系统都可能发生突变，例如全球迅速变暖、停电或疾病。不仅要能预测这些事件的来临，还要能预测它们的位置，这对减轻持久后果至关重要。现在，刘子嘉及其同事提出了一种机器学习框架，可以预测大规模网络中临界转换的确切位置（Z. Liu et al. Phys. Rev. X 14, 031009; 2024）。图同构网络的各层处理每个节点的时间序列数据，提取它们各自的特征。然后将这些信息整合到整个图中，并由门控递归单元层读取，门控递归单元层负责识别重复出现的节点特征。