港大聯手諾貝爾物理學獎得主 在複雜網絡「可預測性」理論獲突破 創立運算新框架

香港文匯報訊（記者 史柳藝）從人工智能（AI）模型、生物分子結構到社交網絡，複雜系統與現代社會息息相關。香港大學研究團隊在理解複雜網絡「可預測性」方面取得理論突破，為分析複雜系統提供了全新的理論支撐。該研究由港大同心基金數據科學研究院（HKU IDS）及港大李嘉誠醫學院教授張清鵬的研究團隊，聯同浙江大學及羅馬第一大學的研究人員共同完成，並由其博士後研究員荊飛擔任論文第一作者。

研究通訊作者還包括浙江大學教授張子柯以及2021年諾貝爾物理學獎得主、羅馬第一大學教授Giorgio Parisi。研究成果已於國際頂尖學術期刊《美國國家科學院院刊》(PNAS) 正式發表。

研究團隊利用統計物理學概念，成功將網絡預測問題映射至經典的「自旋玻璃」（Spin Glass）模型，建立了一套嚴謹的理論體系，解決了科學界對複雜系統內在可預測性的長期疑問。

研究的一項重要成果在於證明大型網絡的整體可預測性，可以分解為個別連結的局部貢獻。這一發現大幅降低了運算難度，為分析超大規模網絡提供了更高效的算法基礎。基於此理論突破，團隊進一步提出一套高效的局部採樣演算法。該算法僅需提取鄰域資訊，即可實現高精準度的預測，顯著提升了網絡預測方法的可擴展性與運算效率。

這一研究成果對多個尖端領域具備深遠影響。比如在AI領域為評估及優化模型架構提供新思維，有效提升模型的運行效率及可解釋性。

在生物醫學領域，相關框架則有助加速預測分子間的交互作用，從而大幅推動新藥研發的進程，展現了數據科學在跨學科應用中的巨大潛力。