导读
华南理工大学土木学科海外学者前沿讲座第五十七期，我们邀请到来自美国加州大学伯克利分校，土木及环境工程系的王子琦助理教授为大家做了题为“分析新冠影响的随机动力学模型和统计物理模型”的报告。本期讲座录播链接见文末或点击阅读原文。
三年新冠疫情是渐渐淡去的话题，我们的工作生活已经翻开新篇章。今天的讲座，王子琦老师正好给我们带来了一个非常有意思的主题，关于他研究新冠病毒影响的随机动力学模型和统计物理学模型最新进展。他的汇报主要包含两个部分，即基于流行病学的宏观模型以及病毒对个人身心变化影响的微观模型。
01
王老师将之前用于结构工程的不确定性分析方法用来分析新冠的影响，发现虽然研究目标不一样，但研究方法是通用的。在宏观模型中，用于描述疫情宏观指标的基本繁殖数(R0)有一些不足，包括无法区分流出人群的康复和死亡，描述的是最终状态而不是中间过程，因此，王老师的研究目的是希望提出新的且理论上更严格的其他指标来描述疫情的影响。
王老师采用概率的方法，引入平均人感染概率，将确定性模型改进为随机动力学模型，得到修正的易感-暴露-感染-康复模型。用全贝叶斯方法识别模型参数，给出了全解析的似然函数。最终拟合的模型符合不同国家的COVID状况，包括包含R0的实时模型（包括治愈率和死亡率），以及给出拟合的熵率（Entropy rate）和总熵（Total Entropy）指标。它们可以反映当前随机过程的复杂程度，进一步表征当前疫情的复杂性和不确定性影响。以及另外一个反映熵率离散程度的指标，可以描述疫情是脉冲型（突发态势）还是平稳型（常态化势）。
王老师将所提出的模型应用于拟合湖北省疫情发展情况，结果发现拟合效果较好。此外，通过拟合各国的疫情数据，王老师还得到了一些有意义的参数，比如R0随着时间逐渐下降，德国和韩国的死亡率和治愈率相对平滑，反应应对疫情时卫生系统的响应较为稳定。根据熵率的指标，发现不同地区的熵率演化是相对相似的，而且能反应出国家疫情控制对疫情演化的影响。
02
疫情大流行期间，社交网络传播的大量信息总是坏消息传播的更快，影响更大，导致人群对疫情的反应远大于疫情真实的影响。因此，王老师希望用数学模型证实或证伪该观点。微观统计模型中，王老师同时考虑了疫情的客观影响、人们对风险的主观反映和媒介因素三方面的相互作用。他与合作教授提出“Frozen polarized fear”理论来反映社交网络和接触网络中疫情好消息或坏信息下人群恐慌对疫情的影响，并提出了动力学模型，在其中考虑了两个状态向量——疫情的客观影响和主观影响，即人对疫情的反应。所面对的技术问题是，在客观状态下，如何构造人心理状态的高维分布。最终王老师采用哈密顿方法构造出高维的影响分布，该模型可以描述人感染的所有物理状态，包括虚拟的和实际的。比如，人感染后心理状态是如何被影响的、邻居感染情况对自己的影响、以及社交网络和接触网络中他人感染情况对自己的影响。通过数据模拟疫情传播，模型可以描述社交网络的演化，发现不对称性对人的极化趋势影响是绝对的，如果好消息跟坏消息是一样的，加强社交网络会使人更理性。
03
最后，王老师表达了对于使用不确定方法研究复杂系统的一部分想法。王老师认为，量子力学的第一性原理揭示的规律已不适用于城市尺度下复杂系统的规律了，在不同尺度所对应层次的研究下，影响复杂系统行为的不止构建层次的规律，还包含系统的连接形式和随机性的影响。在研究这类问题时的重点应该是目标系统的规律，而并非要无限细化构件组成。这为我们对科学研究本质的探寻提供了很好的思路，量子力学尺度的系统规律对于城市尺度的研究的影响微乎其微，科研总是有其限定的应用场景与范围，有时更多并不意味着更好。
总结
兴趣是最好的老师，王老师将他研究结构可靠度和随机动力学的不确定性量化方法与自己的兴趣爱好结合，获得了对公共卫生学的新见解！在讲座中，王老师展示了他将在结构工程中随机动力学方法和统计物理来分析COVID的模型，这给我们的启示是研究是相通的，在进行科研的过程中，重要的是掌握科研的方法，并思考将方法迁移到不同的领域当中，才有机会迸发出不一样的火花，这也启示我们对研究方法论有更多的思考和借鉴。
END
相关论文请到王老师主页下载：
https://ce.berkeley.edu/people/faculty/ziqiwang
讲座录播链接：https://b23.tv/XPlpa47
来源于多样化结构实验室VSL
排版 | 李嘉晨
审核 | 胡 楠