严钢教授及其团队在《自然·计算科学》杂志上发表了重要研究成果，揭示了复杂系统自主推理的新突破。该研究不仅推动了智能化科学发现进程，而且在处理全球性传染病传播动力学方面展现出巨大潜力。
该研究团队提出的数据驱动的复杂系统自主推理新框架，能在结构信息不完整和强噪声场景下实现鲁棒推理。这一创新性的算法框架，为自动化、智能化地发现真实复杂系统的底层原理提供了重要基础和算法支撑。值得注意的是，该算法已成功应用于验证SARS和COVID-19的早期传播行为。
复杂系统是由大量节点相互作用形成的非平凡系统，如无人集群系统、物联网、神经元网络和社会络等。随着技术的不断发展，许多学科领域都积累了大量关于这些系统的观测数据。如何从这些数据中发现底层原理，一直是科学研究的重要挑战。严钢教授团队的研究，为解决这个问题提供了新的思路和方法。
该研究不仅在理论上取得了突破，而且在实际应用中也表现出强大的潜力。在面对全球性传染病传播的问题时，该算法框架能够基于全球航空网络和地区感染数据，推断出早期扩散方程。这些方程不仅能描述H1N1的早期传播过程，还能迁移应用于SARS和COVID-19的早期传播行为预测。
这项研究的成功得益于严钢教授团队的卓越努力和持续创新。他们的成果得到了国家自然科学基金、国家科技创新2030、上海市市级科技重大专项等项目的资助。这一重大突破不仅展现了严钢教授团队的专业实力，也为学术界和工业界提供了新的视角和思路。
该论文的通讯作者是同济大学物理科学与工程学院的严钢教授，第一作者为博士研究生高婷婷。论文的详细内容和研究成果可以通过点击【阅读原文】进行了解。这一研究成果对于理解复杂系统、推动智能化科学发现、以及应对全球性传染病传播等方面都具有重要意义。
严钢教授团队的研究成果为复杂系统的理解和研究开辟了新的途径，对于推动科学研究、智能化发展和全球公共卫生安全都具有重要的价值。这一突破性的研究不仅展现了研究团队的实力，也为广大读者提供了宝贵的学术启示。
