交互动力系统中的结构推断：从结构先验学习到隐藏智能体推断

交互动力系统中的结构推断旨在从智能体动力学轨迹中恢复潜在交互结构。现有基于 VAE 的方法通常采用简单结构先验，并通过联合无监督训练同时学习结构与动力学，容易陷入优化困难和次优解。本报告重点介绍 IPSI，一种迭代式预训练结构推断框架，通过预训练结构估计器学习结构感知特征并构建可学习的结构先验，再利用伪标签驱动的交替迭代持续提升结构推断性能。实验表明，IPSI 能有效提升 NRI、MPM 等模型在多种动力系统和复杂图结构上的辨识能力。最后，简要介绍面向部分可观测场景的 SIHA，实现隐藏状态与交互结构的联合推断。

在武汉大学获得学士和博士学位。曾任武汉大学三级教授、应用数学系主任、武汉大学复杂网络研究中心副主任，2024年3月起任深圳大学特聘教授。研究方向为智能系统与复杂网络，主持国家自然科学基金7项及湖北省杰青项目，发表SCI期刊论文140余篇，期刊包括控制领域三大顶刊IEEE TAC、Automatica、SIAM J Cont. Optim.以及物理领域顶刊Phys. Rep.，ESI高被引论文12篇，连续入选爱思唯尔中国高被引学者。获第14届中国青年女科学家奖， 教育部自然科学一等奖、湖北省自然科学一等奖及中国仿真学会自然科学一等奖。曾任IEEE TCAS-II的副主编（连续四届）。