报告题目：Neural network aided approximation

报告人：曹志兴， 华东理工大学

报告时间：2023年4月3日10:00-11:30

报告地点：海山楼A0702会议室

内容简介：

       Non-Markovian models of stochastic biochemical kinetics often incorporate explicit time delays to effectively model large numbers of intermediate biochemical processes. Analysis and simulation of these models, as well as the inference of their parameters from data, are fraught with difficulties because the dynamics depends on the system’s history. Here we use an artificial neural network to approximate the time-dependent distributions of non- Markovian models by the solutions of much simpler time-inhomogeneous Markovian models; the approximation does not increase the dimensionality of the model and simultaneously leads to inference of the kinetic parameters. The training of the neural network uses a relatively small set of noisy measurements generated by experimental data or stochastic simulations of the non-Markovian model. We show using a variety of models, where the delays stem from transcriptional processes and feedback control, that the Markovian models learnt by the neural network accurately reflect the stochastic dynamics across parameter space.

报告人简介：

      曹志兴，华东理工大学教授、博士生导师，国家高层次青年人才计划入选者，入选《麻省理工科技评论》亚太区“35岁以下科技创新35人”。2012年本科毕业于浙江大学控制科学与工程学系，2016年博士毕业于香港科技大学化学与生物分子工程学系，其先后于美国哈佛大学、英国爱丁堡大学担任博士后。2019年入职华东理工大学信息科学与工程学院，聘为教授。主持国家自然科学基金面上项目，担任中国自动化学会过程控制专委会委员和智能健康与生物信息专委会委员，国家自然科学基金委面上项目通讯评审专家、吴文俊人工智能科学技术奖通讯评审专家，以及Nature和Cell子刊审稿人。他致力于机器学习、医疗图像大数据和复杂生化反应智能建模的前沿研究，取得了一系列系统性的创新工作，多次以一作和通讯作者身份在Nature子刊、美国科学院院刊PNAS、Cell子刊Current Opinion in Biotechnology、IEEE Transactions on Automatic Control（长文）等著名期刊发表研究结果，获得香港政府博士奖学金、欧盟玛丽居里优秀项目书奖、2021年世界人工智能大会青年优秀论文提名奖、第32届中国过程控制会议张钟俊优秀论文奖等荣誉。