伟德国际何强老师团队在复杂网络传染病信息传播源定位方面取得突破性进展，在NeurIPS（CCF推荐A类会议，机器学习顶会）上录用了题为“Diffusion Model for Graph Inverse Problems: Towards Effective Source Localization on Complex Networks”的长文文章。该成果第一作者为伟德国际2021级硕士研究生颜鑫同学，由东北大学联合上海财经大学研究人员共同完成。NeurIPS是CCF(中国计算机学会)推荐的A类会议，与ICML并称为人工智能领域难度最大、水平最高、影响力最强的会议。根据最新的2023谷歌学术影响因子，其Impact Score高达33，H5指数高达198，在所有国际人工智能领域学术期刊/会议中位列第一。
图1.信息在图上的传播过程
在复杂网络上的信息传播溯源有重大意义，能为传染病溯源提供直接帮助。图2为该项工作成果的一个可视化示例，展示了该算法能够仅凭t=T时刻的数据准确地重建传染病传播过程。此项成果能极大的缓解目前定位传染病源以及追踪密切接触者耗时耗力的问题，为传染病的控制、预防做出重大贡献。
图2.重建信息在图上的传播过程
定位扩散源的问题是高度不适定的，且当前缺乏重建信息传播路径的有效手段。为了应对这些挑战，该研究基于复杂网络上传染病信息传播的自然反应扩散过程在结构上等价于消息传递函数，提出了一种称为 DDMSL（用于源定位的离散扩散模型）的概率模型。该研究的主要贡献在于：首先，使用马尔可夫链对信息的前向扩散进行建模。其次，设计了一个可逆残差网络，在离散空间中构建了一个去噪扩散模型，用于源定位和信息扩散路径的重建，并为 DDMSL提供严格的理论保证。