近日，南方科技大学统计与数据app系副教授胡延庆课题组在《自然—通讯》发表研究成果，并入选编辑推荐亮点论文。

研究团队使用机器学习方法，能够高精确度地重构可网络化复杂系统的形成历史，并证明了任何不低于随机猜测的算法，对于足够大的网络可以得到高质量解。该研究为社会系统演化、生物与生态系统进化等问题提供新研究方法。

复杂网络作为可网络化复杂系统的一种常见形式，在生物学、生态学、社会app等领域中广泛存在。复杂网络主要用以表示复杂系统内部元素之间的作用关系，并主导系统的功能。探索和理解复杂网络的演化过程与许多领域息息相关，如明升m88和生态系统的起源与演化、大脑神经网络重组与智力的出现以及社区和国家的形成等。

在该研究中，研究团队通过机器学习技术高精度地还原了多种复杂网络的历史演化轨迹，包括蛋白质-蛋白质相互作用网络、世界贸易网络和社交网络等。同时，研究团队证实了还原的演化过程存在潜在app价值。

例如，还原出的蛋白质-蛋白质相互作用网络形成过程可以在分子水平上揭示生物体进化过程的一些趋势；在网络结构预测方法中加入还原得到的时间序列信息，可以大幅度提高预测的准确度，在AI-药物方面具有潜在应用价值等。

此外，该团队通过理论解析发现，对于规模较大的网络，只要机器学习模型的性能稍优于随机猜测，就可以实现可靠重构整个网络的历史形成过程。由于真实的复杂网络通常尺寸较大，这一结论表明，大规模还原实际网络历史演化过程具有较高的可信度。

相关论文信息：http://doi.org/10.1038/s41467-024-47248-x