新闻｜清华大学牵头国际团队在 Nature Reviews Physics 发文

主要观点总结

清华大学电子工程系李勇教授联合国际科研机构专家提出全新的科学推理框架——反绎式人工智能（Abductive AI），旨在突破传统科学推理方法在理解复杂系统“涌现”现象时的局限。该框架包括假设生成、验证测试和解释提炼三部分，能预测复杂系统行为并揭示生成机制。研究团队还提出了面向网络动力学的神经符号回归方法，并应用于多尺度多学科复杂系统，相关研究成果在国际顶级期刊发表。该研究标志着科学推理从‘数据驱动’向‘解释驱动’的转变，有助于推动跨学科科学发现及提升科研创新效率与解释深度。”的新思路和新方法被提出以解决这一难题。

关键观点总结

关键观点1: 提出反绎式人工智能（Abductive AI）框架

该框架旨在突破传统科学推理方法的局限，通过引入人工智能，为跨学科科学发现提供新的计算思维和方法论支撑。

关键观点2: 反绎式AI框架的组成部分

包括假设生成、验证测试和解释提炼三个步骤，能够预测复杂系统行为并揭示其背后的生成机制。

关键观点3: 面向网络动力学的神经符号回归方法的应用

研究团队将神经符号回归方法应用于揭示多尺度、多学科复杂系统的微观动力学规律，为理解网络崩溃与韧性机制提供了新思路。

关键观点4: 反绎式AI在科学发现中的作用

反绎式AI作为“智能副驾驶”，在海量数据和复杂假设空间中探索与验证，显著提升科学研究的创新效率与解释深度。