[论文解读] Toward parallel intelligence: an interdisciplinary solution for complex systems

Yong Zhao, Zhengqiu Zhu+11 more|arXiv (Cornell University)|Oct 5, 2023

Distributed and Parallel Computing Systems被引用 5

一句话总结

本文提出并行智能——一种基于ACP（人工系统、计算实验、并行执行）方法的跨学科框架——通过迭代建模、数据生成和系统优化，实现对复杂现实系统的建模与调控。通过整合多学科知识，该方法借助物理系统与计算系统之间的持续反馈回路，增强系统控制、管理能力，并推动可持续发展。

ABSTRACT

The growing complexity of real-world systems necessitates interdisciplinary solutions to confront myriad challenges in modeling, analysis, management, and control. To meet these demands, the parallel systems method rooted in Artificial systems, Computational experiments, and Parallel execution (ACP) approach has been developed. The method cultivates a cycle, termed parallel intelligence, which iteratively creates data, acquires knowledge, and refines the actual system. Over the past two decades, the parallel systems method has continuously woven advanced knowledge and technologies from various disciplines, offering versatile interdisciplinary solutions for complex systems across diverse fields. This review explores the origins and fundamental concepts of the parallel systems method, showcasing its accomplishments as a diverse array of parallel technologies and applications, while also prognosticating potential challenges. We posit that this method will considerably augment sustainable development while enhancing interdisciplinary communication and cooperation.

研究动机与目标

• 通过一体化、跨学科的方法应对现实世界系统日益增长的复杂性。
• 开发一个可扩展的框架，利用计算实验与并行执行技术，实现对复杂系统的建模、分析与控制。
• 通过统一计算机科学、系统工程与应用数学领域的知识与技术，弥合学科之间的鸿沟。
• 通过自适应、数据驱动的系统优化，实现可持续发展。
• 在动态环境中建立以反馈为驱动的知识获取与系统优化循环。

提出的方法

• ACP方法构成核心方法论基础，整合人工系统、计算实验与并行执行。
• 人工系统被构建为数字孪生体，用于模拟现实世界的动态行为。
• 在这些人工系统中开展计算实验，以在受控条件下生成数据并验证假设。
• 并行执行实现物理系统与其计算孪生体的同步，支持实时监控与自适应控制。
• 该方法建立闭环循环，物理系统产生的数据用于模型更新，模型洞察则指导系统改进。
• 通过将计算机科学、系统理论及领域特定应用的洞见整合进统一框架，实现跨学科知识融合。

实验结果

研究问题

• RQ1 如何通过统一的跨学科框架，有效建模与控制复杂系统？
• RQ2 哪些机制能够实现物理系统与计算系统之间的持续反馈与自适应？
• RQ3 ACP方法在现实应用中如何提升系统的韧性、可持续性与决策能力？
• RQ4 如何系统性地将不同学科的知识整合进一致的计算框架中？
• RQ5 在不同领域中扩展并行智能的关键推动因素与局限性是什么？

主要发现

• 基于ACP的并行智能框架通过物理系统与计算孪生体之间的持续交互，实现复杂系统的迭代式、数据驱动优化。
• 该方法已在多个不同领域成功应用，展现出在管理系统复杂性方面的适应性与鲁棒性。
• 在人工系统中集成计算实验，可在不干扰现实运行的前提下，实现大规模假设测试。
• 闭环反馈机制显著提升了系统在动态环境中的响应速度与长期性能。
• 该框架通过提供统一的计算语言与共享的建模基础设施，促进跨学科协作。
• 该方法通过支持预测性控制与复杂人机系统中的资源优化配置，助力可持续发展。