系统科学前沿课程第二期：洞察复杂系统秩序与演化

集智俱乐部 09月20日 11:49

北京师范大学系统科学学院与集智学园联合推出《系统科学前沿》第二期课程，聚焦复杂时代下AI、生命科学、社会演化等领域的挑战。课程将深度解析复杂系统运行机制，掌握前沿理论与方法，培养系统性、创新性思维。课程汇聚北师大顶尖学者，涵盖信息论、脑科学、社会经济系统建模、非平衡物理等十大核心议题，以方福康先生文集为思想基石，旨在赋能科研、产业与个人成长，为生命科学、人工智能、社会治理等领域提供坚实理论支撑。

🎓 **权威师资与前沿专题**：课程由北京师范大学系统科学学院资深学者领衔，如院长樊京芳教授讲授“复杂系统相变与临界现象”，刘宇副教授探讨“生命系统的奥卡姆剃刀”。内容紧扣科学热点，深入剖析“生命系统的信息与复杂度约束”、“脑与智能的复杂网络机制”等十大前沿议题，提供深度系统科学探索。

💡 **多学科交叉融合与理论实践并重**：课程横跨生命科学、脑科学、信息科学、社会经济学、物理学等多个领域，展现系统科学的解释力。通过案例分析和建模方法（如系统动力学、基于主体的建模）的应用，强调理论与实践结合，提升学习者的实际操作能力。

🤝 **互动学习与社群共建**：学员有机会组成学习小组，在集智「系统科学」主题社群中与导师、同行持续互动，参与论文共读与课题研讨，共同探索复杂世界，拓展学术网络，并设有学习激励与荣誉体系，鼓励深度参与和知识共创。

🎯 **培养系统性思维与创新实践能力**：课程旨在帮助学习者深度解析复杂系统运行机制，洞察跨学科领域的最新进展，培养系统性、创新性思维，为生命科学、人工智能、社会治理、工业优化等领域的创新实践提供坚实理论支撑，赋能个人成长与职业发展。

2025-09-19 10:04 上海

北京师范大学系统科学学院 × 集智学园联合推出

引言：在复杂时代，看见更深层的秩序

在AI浪潮席卷、生命奥秘不断揭示、社会演化加速的今天，我们对世界的理解正面临前所未有的挑战。用个体视角难以解释群体行为，单点优化难以解决系统瓶颈，简单因果逻辑在多因素交织中失效。复杂性不再是抽象概念，而是我们理解自然、生命与社会运行的底层逻辑。

继《系统科学前沿》首期课程的成功举办，北京师范大学系统科学学院与集智学园再度携手，重磅推出《系统科学前沿》第二期课程。本期课程会带领您从更深层次、更广维度，洞察复杂系统背后的精妙秩序与演化之理，赋能您在科研、产业与个人成长中的创新实践。

本期课程将聚焦系统科学前沿的十大核心议题，以方福康先生系统科学文集为思想基石，汇聚北师大系统科学领域顶尖学者，整合信息论、脑科学、社会经济系统建模、非平衡物理等多个交叉方向。

我们本次课程会帮助学习者：

深度解析复杂系统运行机制，掌握前沿理论与方法。

洞察跨学科领域的最新进展，培养系统性、创新性思维。

为生命科学、人工智能、社会治理、工业优化等领域的创新实践提供坚实理论支撑。

课程特色：十大前沿专题，权威师资领航本期课程在延续第一期优势的基础上，进一步深化内容，拓展研究边界，为您带来一场系统科学的深度探索之旅：

权威师资：本期课程由北京师范大学系统科学学院资深师资领衔主讲。他们深耕各自领域多年，兼具深厚学术造诣与丰富教学经验。例如，学院院长樊京芳教授将亲自讲授“复杂系统相变与临界现象”，刘宇副教授将从算法信息论角度探讨“生命系统的奥卡姆剃刀”。

前沿课题深度剖析：课程内容紧扣当前科学热点与难点，涵盖了从微观到宏观、从理论到应用的多个维度。您将深入学习“生命系统的信息与复杂度约束”、“数字化项目集群的复杂性降解”、“脑与智能的复杂网络机制”、“复杂性理论破解材料之谜”等前沿议题，直击科学最前沿。

多学科交叉融合：课程内容横跨生命科学、脑科学、信息科学、社会经济学、物理学、管理学等多个领域，展现系统科学“万物互联”的强大解释力。您将看到信息论如何解释生命演化，复杂网络如何揭示大脑连接，以及统计物理如何应用于气候系统和材料科学。

理论与实践并重：课程不仅注重理论讲解，更强调建模方法的应用。例如，陈六君副教授将详细介绍“宏观与微观两种视角下的系统演化建模方法”，包括系统动力学（SD）和基于主体的建模（ABM），并结合Vensim等工具进行案例分析，提升您的实际操作能力。

互动学习与社群共建： 学员将有机会组成学习小组，在集智「系统科学」主题社群中与导师、同行持续互动，参与论文共读与课题研讨，共同探索复杂世界的奥秘，拓展学术网络。

课程大纲：十大专题，逐层深入本期课程共十讲，每周五晚，与您一同探索系统科学的无限可能：

适合人群：

无论您是希望深化专业知识，还是寻求跨学科灵感，本课程都将为您提供宝贵的学习体验：

理工科高年级学生/研究生： 渴望系统性掌握复杂系统前沿理论与建模工具（如算法信息论、复杂网络、多主体建模、系统动力学）。

跨学科研究者：寻求从生命科学、脑科学、社会科学、经济学、物理学等领域汲取交叉灵感，拓展研究视野。

产业从业者：希望运用系统思维解决业务中的复杂非线性问题，如数字化转型、项目集群管理、市场分析、创新策略等。

对复杂性科学充满好奇的探索者：任何希望深入理解世界运行底层逻辑，培养系统性思维的终身学习者。

课程介绍

第一课：复杂系统相变与临界现象课程简介本课程以统计物理和系统科学为基础，系统介绍复杂系统中的相变与临界现象基本理论，涵盖临界慢化、普适类、非平衡相变与渗流理论等核心内容。课程将结合气候系统中的厄尔尼诺与极端天气、生态系统的临界退化、地球系统的临界动力学等典型案例，展示临界理论在自然与社会复杂系统中的广泛应用。同时，课程还将探讨人工智能等新方法在临界点识别和预测中的前沿进展，帮助学习者掌握理解复杂突变规律的系统性思维与跨学科方法。

主讲教师：樊京芳

樊京芳，北京师范大学系统科学学院教授、院长，国家级人才计划入选者（2025年获批国自然青A，2021年获批青年千人计划），德国波茨坦气候影响研究所客座教授。2014年毕业于中国科学院理论物理研究所获博士学位，先后在以色列、德国、美国多家国际知名研究机构从事博士后与访问研究。研究方向为统计物理、复杂系统理论及其在地球系统中的应用。在 Nature Physics、Nature Climate Change、Nature Communications、PNAS 等国际顶级期刊发表论文70余篇，多项成果被国际学术界与政策机构广泛引用。目前担任 JPhys Complexity 等国际期刊编委，获系统科学与系统工程科学技术青年科技奖等荣誉。

推荐资料1. Jingfang Fan*; Jun Meng; Yang Liu; Abbas Ali Saberi; Jürgen Kurths; and Jan Nagler. Universal gap scaling in percolation. Nature Physics, 16(4):455–461 (2020)

2. Jun Meng; Jingfang Fan*; Uma S. Bhatt; Jürgen Kurths; Arctic weather variability and connectivity, Nature Communications, 14: 6574-6585 (2023)

3. Teng Liu; Dean Chen; Lan Yang; Jun Meng; Zanchenling Wang; Josef Ludescher; Jingfang Fan*; Saini Yang; Deliang Chen; Jürgen Kurths; Xiaosong Chen; Shlomo Havlin; Hans Joachim Schellnhuber ; Teleconnections among tipping elements in the Earth system, Nature Climate Change, 13(1): 67-74 (2023)

4. Jingfang Fan*; Jun Meng; Yosef Ashkenazy; Shlomo Havlin; Hans Joachim Schellnhuber ; Climate network percolation reveals the expansion and weakening of the tropical component under global warming, Proceedings of the National Academy of Sciences of the United States of America, 115(52): E12128-E12134 (2018)

5. Jingfang Fan*; Jun Meng; Josef Ludescher; Xiaosong Chen; Yosef Ashkenazy; Jürgen Kurths; Shlomo Havlin; Hans Joachim Schellnhuber ; Statistical physics approaches to the complex Earth system, Physics Reports, 896: 1-84 (2021)

第二课：用系统思维降解数字化项目集群的复杂性课程简介企业的数字化转型战略目标无法通过单一数字化项目的实施而实现，而必须统筹协调实施一系列相互关联的数字化项目，也即数字化项目集群。这一项目集群可以视为一种复杂系统，进而采用复杂系统理论来进行有效管理，本课程将系统介绍数字化项目集群的内容，类型，演变过程，以及复杂性降解模型。最后本课程将介绍一个基于项目集群管理思想的变革管理工具——项目集群管理地图，阐述它如何帮助企业规划其数字化项目集群，并一般性地介绍这一工具在国家改革，企业变革，个人自我改变中的一般性应用价值。

主讲教师：吴晓松

吴晓松，管理信息系统专业博士，现任北京师范大学湾区国际商学院副教授，博导，青年英才，教师党支部书记，工商管理与大数据系（筹）负责人，中国软件协会项目管理专委会专家，数字广东建设专家委员会专家，深圳国家应用数学中心数字经济-金融科技方向的特聘研究员，西安交通大学物流科创融合发展研究中心兼职研究员。数字化项目集群管理研究方向的主要提出学者，数字化项目集群管理地图的发明人。曾任清华大学助理研究员，美国科罗拉多大学与佐治亚州立大学的访问学者。主要研究方向为数字化转型，项目集群管理，AI创新，累计发表和录用各类论文31篇（包括在清华管理评论，哈佛商业评论，中欧商业评论上发表的数字化项目集群管理的中文三部曲文章），受理专利一项。

推荐资料1. Wu, X., Klein, G., Jiang, J. J. (2023). On the Road to Digital Transformation: A Literature Review of IT Program Management. Project Management Journal (SCI)，54(4), 409-427.

2. 吴晓松，马旭飞，江俊毅，黄伟（2022），数字化时代新岗位——数字化项目集群经理.哈佛商业评论(中文版), 7. 124-129。

3. 吴晓松，马旭飞，江俊毅，黄伟（2023），数字化转型难落地？这里有一份管理地图请查收(数字化项目集群管理地图).中欧商业评论, 173，18-23。

4. Gregory, R. W., Keil, M., Muntermann, J., & Mähring, M. (2015). Paradoxes and the nature of ambidexterity in IT transformation programs. INFORMATION SYSTEMS RESEARCH, 26(1), 57-80.

5. Jiang, J. J., Klein, G., & Fernandez, W. D. (2018). From project management to program management: an invitation to investigate programs where IT plays a significant role. Journal of the Association for Information Systems, 19(1), 40-57.

6. 麦强, 盛昭瀚, 安实, & 高星林. (2019). 重大工程管理决策复杂性及复杂性降解原理. 管理科学学报, 22(08), 17-32.

第三课：生命系统的奥卡姆剃刀：信息和复杂度对生命系统的约束课程简介奥卡姆剃刀原理强调“如无必要，勿增实体”，但当这一经典方法论进入生命系统的尺度时，其内涵远超“简约”的直观含义。生命从无到有的起点，就面临信息、能量与结构复杂度的多重制约：过于复杂可能带来稳定性与能量代价，过于简单则可能无法适应多变的环境。

本课程从理论上探讨生命如何产生并持续演化，核心视角是信息论（Information Theory）与算法信息论（Algorithmic Information Theory, AIT）。课程将从香农熵、Kolmogorov复杂度、信息压缩等基本概念入手，阐明它们如何刻画生命系统的信息流与最简描述。进一步结合最新研究成果展示信息与复杂度可能如何决定演化的可能路径。并且课程将回顾生命系统的物理与信息学约束，也会引入语言演化的平行案例，讨论自然语言与大语言模型如何映射生命信息压缩与结构生成的规律。通过这些跨领域比较，我们希望和大家一起从信息与复杂度的统一视角理解生命的起源与演化，并思考这一角度对未来生命研究、人工智能和复杂系统科学的启示。

主讲教师：刘宇

刘宇，北京师范大学文理学院系统科学系，副教授，副系主任。2018年于瑞典Uppsala大学获得应用数学与统计博士学位，2018-2021年分别在荷兰Groningen大学、瑞典Mittag-Leffler数学研究院、英国Glasgow大学任副研究员。曾在瑞典Mittag-Leffler数学研究院独立主持科研项目。多次受邀作为keynote speaker参加国际国内学术会议（德国Max-Planck研究所、牛津大学、北京大学定量生物中心、国家天元数学东南中心等），接受国际国内科学媒体采访（英国皇家化学学会chemistryworld.com、集智科学社区等）。目前研究方向：用算法信息论研究生命系统的演化，以及算法信息论在人工智能/AI4Science方面的理论探索和应用。论文发表在Science Advances, Pattern Recognition, Journal of Chemical Information and Modeling, Journal of Biological Chemistry, Physical Review Research, npj Complexity等期刊。微信公众号 ecsLab，实验室主页 www.wuyichen.org

推荐资料我们的主页 www.wuyichen.org

1. Z Xu, Y Zhu, …, Y Liu*, Correlating measures of hierarchical structures in artificial neural networks with their performance, npj Complexity, 1, 15, 2024.

2. Y Liu*, Z Di, P Gerlee, Ladderpath approach: How tinkering and reuse increase complexity and information, Entropy, 24(8): 1082, 2022.

3. Y Liu, C Mathis, M Bajczyk, et al., Exploring and mapping chemical space with molecular assembly trees, Science Advances, 7, eabj2465, 2021.

4. Y Liu*, D Sumpter, Mathematical modeling reveals spontaneous emergence of self-replication in chemical reaction systems, J. Biological Chemistry, 293(49): 18854-18863, 2018.

第四课：探索脑与智能的复杂性课程简介本课程分析动物智能的判断维度与底层逻辑，概括从跨物种视角探索智能本质的共性规律；随后系统介绍大脑接收、加工、存储信息的底层方式及神经信号编码规则，重点解读记忆神经环路的计算机制如何为类脑智能的算法架构提供生物学灵感；同时探讨脑成像、电生理记录等主流脑观测技术，深入分析神经信号解码过程中面临的技术瓶颈与科学难题，并从脑科学视角进一步挖掘神经编码原理对人工智能算法设计的启发，探索 “类脑智能” 的发展方向；此外，还将深入探讨 “智能” 的科学定义，从复杂系统理论解析大脑这一自然演化形成的复杂系统如何依靠独特结构与功能支撑智能产生，并结合深度学习领域前沿成果，对比脑智能与机器智能的核心异同。

主讲教师：斯白露

斯白露，北京师范大学系统科学学院教授，北京脑科学与类脑研究所北脑学者，博士生导师，博士毕业于德国不来梅大学理论神经物理专业。研究方向为类脑智能、具身智能机器人。任中国计算机学会智能汽车分会秘书长、北京脑网络组与类脑智能学会理事。主要研究成果包括记忆神经环路的计算理论、类脑导航系统等。承担科技创新2030“脑科学与类脑研究”重大项目课题、变革性技术专项子课题等研究任务，相关成果发表在Nature Neuroscience、Progress in Neurobiology、IEEE Transactions on Cybernetics等期刊上。获2022年中国地理信息产业协会地理信息科技进步一等奖。

推荐资料1. Kai Zhao, Yao Zhu, and Bailu Si. Learning diversified representations for visual abstract reasoning. Artificial Intelligence Review, 2025

2. Fei Song, Yuxiu Shao, Dengyao Jiang, Ziyu Ren, Fengzhen Tang, Yandong Tang, and Bailu Si. An improved artificial potential field method with distributed representation and scale-invariant path planning. IEEE Transactions on Cognitive and Developmental Systems, pages 1–15, 2025.

3. Dongye Zhao, Zheng Zhang, Hong Lu, Sen Cheng, Bailu Si, and Xisheng Feng. Learning cognitive map representations for navigation by sensory-motor integration. IEEE Transactions on Cybernetics, 52(1):508–521, 2022.

4. Taiping Zeng, Fengzen Tang, Daxiong Ji, and Bailu Si. NeurobayesSLAM: Neurobiologically inspired bayesian integration of multisensory information for robot navigation. Neural Networks, 126:21–35, 2020

5. Changbo Zhu, Ke Zhou, Fengzhen Tang, Yandong Tang, Xiaoli Li, and Bailu Si. A hierarchical bayesian model for inferring and decision making in multi-dimensional volatile binary environments. Mathematics, 10(24), 2022

6. David Hunt, Daniele Linaro, Bailu Si, Sandro Romani, and Nelson Spruston. A novel pyramidal cell type promotes sharp-wave synchronization in the hippocampus. Nature Neuroscience,

第五课：连接的大脑：复杂网络视角下的脑结构与功能课程简介脑是一个典型的复杂系统，从微观神经元到宏观脑区，各神经单元之间存在复杂的相互联系。复杂脑网络研究将脑建模为网络系统，旨在描绘和解析神经单元间的连接模式，为理解脑的结构与功能架构提供新的视角和研究框架。过去二十余年来，非侵入性神经影像技术与复杂网络方法的结合，使得研究者能够在宏观层面绘制人脑结构与功能连接模式（即“连接组”），并揭示人脑网络的重要拓扑特征，如小世界、模块化和层级组织。这些网络特性使大脑能够在低成本、低能耗条件下实现信息的高效分离与整合，被认为是自然选择下成本-效率平衡的产物。脑网络的组织原则随个体认知行为动态调整，在发育过程发展变化，并且在神经精神疾病中表现出异常特征，为揭示认知、发育以及脑疾病的神经基础提供重要线索。本课程将在此背景下介绍脑连接组学的研究基础与科学意义，讲解基于神经影像的人脑结构网络与功能网络的构建与分析方法，以及脑网络核心组织原则。此外，通过经典与前沿文献导读，课程将展示复杂脑网络在认知、发育及疾病等领域的实际应用。

主讲教师：廖旭红

廖旭红，北京师范大学系统科学学院副教授、博士生导师，北京师范大学仲英青年学者，长期从事神经影像脑网络计算建模以及儿童脑发育研究。研究兴趣包括复杂网络上的斑图动力学、复杂脑网络计算建模、脑结构与功能关系，以及脑网络的个体差异与脑发育应用。担任中国自动化学会生物控制论与生物医学工程专委会委员，主持国家自然科学基金项目2项，并参与多项国家自然科学基金项目。在神经影像和复杂系统等领域的国际主流学术期刊发表SCI论文50余篇，其中包括以第一作者或通讯作者（含共同）发表于Biological Psychiatry, PLoS Biology, Neuroscience and Biobehavioral Reviews, NeuroImage, Cerebral Cortex,等期刊的17篇论文，论文Google总引用4500余次。担任Nature Communications, Communications Biology, NeuroImage, Human Brain Mapping等10余个国际主流学术期刊审稿人。

推荐资料1. Xi Chen, Haoda Ren, Zhonghua Tang, et al. Leading basic modes of spontaneous activity drive individual functional connectivity organization in the resting human brain. Communications Biology, 2023, 6(1): 892

2. Xuhong Liao, Athanasios V. Vasilakos , Yong He. Small-world human brain networks: Perspectives and challenges. Neuroscience & Biobehavioral Reviews, 2017, 77: 286-300

3. Daniel S. Margulies, Satrajit S. Ghosh, Alexandros Goulas , et al. Situating the default-mode network along a principal gradient of macroscale cortical organization. PNAS, 2016, 113(44)

4. Giovanni Pezzulo, Marco Zorzi and Maurizio Corbetta. The secret life of predictive brains: What’s spontaneous activity for? Trends in Cognitive Sciences, 2021, 25(9): 730-743

5. Laura E. Suárez. Linking structure and function in macroscale brain networks. Trends in Cognitive Sciences, 2020, 24(4): 302-315

6. Yapei Xie, Zhilei Xu, Mingrui Xia, et al. Alterations in connectome dynamics in autism spectrum disorder: a harmonized mega- and meta-analysis study using the Autism Brain Imaging Data Exchange dataset. Biological Psychiatry, 2021, 91(11)

第六课：大脑学习记忆之中的复杂性课程简介大脑的学习与记忆功能是神经系统最为核心且复杂的认知活动之一，涉及信息的编码、存储与提取等多个高级神经过程。对这一领域的研究历史悠久，可追溯至古希腊时期关于记忆机制的哲学探讨，19世纪末艾宾浩斯的遗忘曲线研究则标志着其科学化的开端。尽管历经数代学者的努力，关于记忆形成的分子机制、神经环路基础以及意识与记忆的交互作用等关键问题，至今仍未完全阐明。

本课程将系统介绍学习与记忆研究中的经典及现代实验范式，涵盖从无脊椎动物（如果蝇、海兔）到哺乳动物（如小鼠、大鼠）乃至人类等多种模式生物的研究模型。内容包括但不限于：条件反射与行为学实验、电生理记录、光遗传学干预、脑成像技术（如fMRI和EEG）的应用，以及基因编辑技术在记忆研究中的进展。同时，课程将深入讨论学习记忆障碍相关疾病（如阿尔茨海默病、焦虑障碍等）的病理机制，并介绍当前针对这些疾病的干预策略与研究前沿。通过理论与实例相结合的教学方式，引导学生理解记忆的生物学本质及其在健康与疾病中的重要意义。

主讲教师：刘鹤

刘鹤，特聘研究员，博士生导师。2008年毕业于东南大学生物工程专业获工学学士，2014年毕业于中国科学院上海生命科学研究院神经所获理学博士学位。2014年10月份赴美国哈佛大学脑科学中心担任博士后/助理研究员进行研究工作，2021年4月入职复杂系统国际科学中心担任特聘研究员。曾获得国家级海外人才项目称号，广东省珠江人才称号。

研究兴趣包括，衰老的神经机制，记忆形成和遗忘的神经生物学基础，基于小型模式动物神经环路的仿生算法开发等。

研究工作曾发表在Neuron, Science Advances, Nature Communications，Advanced Science等杂志上，担任E-journal of Translational Medication, FASEB Journal, Journal of Medical Discovery, Open Medicine, Toxin Reviews 等杂志审稿人，多次受邀于国际会议中进行学术报告。主持国自然青年项目，面上项目，海关总署署级项目，北师大创新项目等。

推荐资料神经生物学原理_（美）骆利群著李沉简译；大脑传，马修·科布著，张今译

第七课：多主体建模 vs 系统动力学课程简介在复杂系统演化研究中，宏观与微观两种视角常常相辅相成。宏观建模关注总体变量的相互作用，借助方程和动力学系统揭示整体演化规律；微观建模则聚焦个体异质性与交互机制，通过局部规则展现宏观层面的涌现现象。本课程以“系统演化建模方法”为主题，介绍两类典型框架：基于变量的建模方法与基于主体的建模方法（Agent-based Modelling, ABM）。在基于变量的部分，将重点讲解系统动力学（System Dynamics, SD）的建模流程与工具 Vensim，结合经典案例“世界模型”探讨其在宏观政策与可持续发展研究中的应用。在基于主体的部分，将以“隔离模型”为例阐述 ABM 的核心逻辑，并展示其在社会经济系统研究中的典型应用。同时，还将介绍 ODD 协议（Overview, Design concepts, Details），展示如何以清晰、规范的方式描述与交流 ABM 模型，从而提升模型的透明度与可复现性。

主讲教师：陈六君

陈六君，北京师范大学系统科学学院副教授，1998 年毕业于北京师范大学物理学系，2004 年获系统理论专业获博士学位。研究方向为复杂系统建模和社会经济系统分析，研究内容涉及行为博弈实验、电力系统低碳转型模拟和基于姓氏的人类学研究等领域。

推荐资料1. Forrester, J.W., System dynamics - the next fifty years. System Dynamics Review, 2007. 23(2-3): p. 359-370

2. 德内拉.梅多斯，系统之美（Thinking in Systems: A Primer）[M]，杭州：浙江人民出版社，2012.

3. Railsback, S. F., & Grimm, V. Agent-Based and Individual-Based Modeling: A Practical Introduction (2nd ed.). Princeton University Press. 2020.

第八课：复杂性理论破解材料之谜课程简介液体与玻璃体在日常生活中无处不在，人类使用玻璃材料的历史已超过五千年。然而，如何精确定义"玻璃态"及其形成机制，仍是现代科学中最具挑战性与吸引力的难题之一。这一基础性问题横跨凝聚态物理、复杂系统与材料科学的交叉领域。最新研究表明，原子在近邻配位之外的中程有序结构，对无序材料的物理行为具有决定性影响。但我们对拓扑性质如何在不同局域结构排列中保持不变的认知仍不完善，这阻碍了建立清晰结构-性能关系的努力，也制约了支撑材料创新发展的稳健理论框架的构建。本次讲座将探讨拓扑概念如何为无序材料的原子结构及结构-性能关系提供新见解，重点展示我们近期取得的关键发现，并指出未来研究中具有突破潜力的重要开放性问题。

主讲教师：武振伟

武振伟，北京师范大学系统科学学院、非平衡系统研究所副教授、博士生导师。2015年于北京大学力学与工程科学系获得固体力学专业理学博士学位（北大优博），2015-2018年北京大学物理学院博雅博士后Fellow，2018年加入北京师范大学工作，历任讲师、副教授，2023-2024年法国CNRS/UGA物理交叉科学实验室（LiPhy）访问学者。主要从事与非晶物质科学、及复杂物理系统相关方向的研究工作，在NatCom、PRB、JACS、AdvMater、NatiSciRev等期刊发表学术论文20余篇，主持国家自然科学基金青年、面上项目各1项，作为主要参与人承担数理学部、工材学部重点项目各1项。

推荐资料1. Xin-Jia Zhou, Feng Yang, Xiao-Dong Yang, et al. Graph-Dynamics correspondence in metallic glass-forming liquids. arxiv, 2025

2. Zhen Wei Wu, Yixiao Chen, Wei-Hua Wang, et al. Topology of vibrational modes predict plastic events in glasses. arXiv:2209.02937, 2022

3. Zhen Wei Wu , Walter Kob , Wei-Hua Wang & Limei Xu. Stretched and compressed exponentials in the relaxation dynamics of a metallic glass-forming melt. NATURE COMMUNICATIONS, 2018

4. Z.W. Wu , M.Z. Li, W.H. Wang & K.X. Liu. Hidden topological order and its correlation with glass-forming ability in metallic glasses. Nature Communications, 2015

5. Z. W. Wu, M. Z. Li, W. H. Wang, et al. Correlation between structural relaxation and connectivity of icosahedral clusters in CuZr metallic glass-forming liquids. Physical Review, 2013

第九课：揭示复杂国际贸易演变背后的驱动机制课程简介国际贸易通常被认为是经济增长的引擎之一，长期受到各国政府和学术界的广泛关注。寻求既有坚实经济学基础、又有良好实证效果的模型一直是国际贸易研究的前沿。我们以微观优化决策为基础逐步推导出宏观的贸易结构理论模型，可以基于贸易量等数据将国家间的真实贸易关系揭示出来。这个模型具有两类核心指标：国家间有效贸易距离与国家的贸易势（用来分别刻画国家之间的贸易亲疏关系与国家所处的贸易层级。其中，有效贸易距离越小，反映了两国越倾向发生贸易，反之越疏远；而贸易势越大，说明越倾向于出口，反之越倾向于进口）。我们根据2021年198个国家/地区的贸易实证，得到了一些结果：（1）相对于广泛使用的包括引力模型在内的传统模型，本文的模型具有更好的解释能力，其调整后的决定系数达到0.954。（2）国家间有效贸易距离呈现出显著的双峰分布，表明有效贸易距离可分为两大类，其中一类中，有效贸易距离的对数与地理距离的对数呈明显的线性关系，意味着这部分国家间的贸易除了经济体量外，主要受地理距离等“自然”因素制约；而另一类的有效贸易距离与地理距离不相关，且显著大于第一类的值，意味着这些国家间的贸易还较多地受到关税等“人为”因素影响。（3）各个地区主要经济体的贸易势存在显著差异，在北美地区，美国的贸易势略小于1，加拿大和墨西哥的贸易势则略大于1；德国和法国表现出出口倾向，而英国表现出进口倾向；东亚地区的三个国家——中国、日本、韩国的贸易势均在1.4左右，表现出较强的出口倾向。本文提出的模型是一个普适性方法，可以扩展到各类单品贸易甚至国际移民、外国直接投资等领域的研究中，有能力揭示社会经济系统中广泛存在的流动其背后的驱动机理。

主讲教师：陈清华

陈清华，北京师范大学系统科学学院教授，指挥与控制学会情报与智能认知专业委员会及北京数字科普协会人工智能专业委员会委员，曾于2013年和2019年分别访学Arizona State University及New England Complexity Systems Institute。长期从事非平衡系统理论、复杂性研究及相关理论在社会经济系统中的应用研究工作，博士论文《经济增长中的J过程》讨论了社会经济系统中的一种普适结构。擅于人类行为的分析建模，当前的重点关注领域是基于要素流动揭示复杂系统实体关系。目前也致力于“用系统科学赋能我们的学习、工作与生活”的科学教育。个人主页：https://sss.bnu.edu.cn/t/~chenqinghua/。

推荐资料[1]黄思羽,马立栋,陈六君,蔡宏波,李小萌,陈清华. 一个基于微观优化决策机制的宏观贸易结构模型 [J/OL]. 系统工程理论与实践, 1-13[2025-09-12]. https://link.cnki.net/urlid/11.2267.N.20250106.1730.018.

[2]陈清华,郑孙婧,沈忱,等. 复杂度曲线——一个系统思维的新工具 [J]. 系统科学学报, 2025, 33 (01): 36-40.

第十课：探索科学文献空间的复杂性课程简介科学文献记录了科学的发展历程以及科学研究中产生的如引用、合作、共现等不同关系，通过挖掘科学文献数据能够帮助我们测量、分析和预测科学的发展以及科学研究的行为，从而极大提升科研效率，加速科学发现和创新。科学文献中包含了标题、作者、期刊、关键词、学科分类号等丰富的元数据，通过将海量科学文献中的元数据关联起来，就构成了科学文献系统。由于该系统不仅含有大量不同类型的个体，并且个体间还存在多种相互作用关系，这使得我们很自然地就考虑使用复杂网络这一分析工具对科学文献系统进行分析。本课程将首先介绍几种典型地科学文献网络建模方式，然后介绍基于科学文献网络的实际应用，具体包含基于引文网络的科学影响力评价、基于人才流动网络的科学家移动行为分析、基于知识流动网络的学科演化分析等内容。

主讲教师：周建林

周建林，北京师范大学系统科学学院助理研究员、硕士生导师，博士毕业于北京师范大学系统科学学院。研究兴趣主要集中在复杂网络基础理论以及科学学研究。

推荐资料(1)An Zeng, Zhesi Shen, Jianlin Zhou, et al. The science of science: From the perspective of

complex systems[J]. Physics Reports, 2017, 714:1–73.

(2)Roberta Sinatra, Pierre Deville, Michael Szell, Dashun Wang & Albert-László Barabási. A century of physics. Nature Physics, 2015, 11(10), 791-796.

(3)Aaron Clauset, Samuel Arbesman, Daniel B. Larremore. Systematic inequality and hierarchy in faculty hiring networks[J]. Science Advances, 2015, 1(1):e1400005.

课程总策划

张倩，集智学园联合创始人兼CEO，南京信息工程大学人工智能学院（原信息与控制学院）硕士毕业，于2016年接手运营集智俱乐部并创办集智学园，开创了集智课堂共学模式，打造了《巴拉巴西网络科学》、《系统科学前沿》、《复杂性思维》等多期课程，组织编写《深度学习原理与Pytorch实战》、主笔《netlogo多主体建模入门》、翻译《复杂——诞生于秩序与混沌边缘的科学》，倩姐公众号主理人。

课程助理

学习激励与荣誉体系

为了鼓励学员深度参与、积极探索，我们设立了多重激励机制，让您的学习之旅充满收获与成就感。课程以十位教授在《系统科学前沿》系列课程中的讲授内容为主线，结合每节课推荐学习资料，组织后续的共读与分享活动：

• 课程学习与共读

每一讲由教授主讲核心知识，为课后学员共读提供背景知识支撑。学员可参与课堂笔记和课后问题整理，巩固学习成果。

• 共读引导者

学员可申请成为共读引导者，根据每期课堂主题关键词挑选感兴趣或希望深入探索的论文，在社群内以讲解+交流的形式分享自己的理解，提供结构化总结并提出关键问题。

解读规则：

原理、概念、逻辑讲解清楚

有必要时，可以扩充一些补充知识

🎁 奖励：每次领读分享获得100元奖学金，并累积团队100积分

• 共创任务

学员可将课程与领读内容整理为公众号推文、长文解读、短篇速递、文献翻译或前沿汇总等内容，形成系列化知识传播成果，构建课程知识共建社群。

共创任务示例（积分可累积）

论文翻译：选取课程讲师推荐资料或国外前沿文献进行整篇翻译并附简要解读。

科普文章翻译：翻译本期相关英文科普文或博客文章。

讲座整理：将课程视频内容整理为课程笔记和课后讨论问题，图文并茂，可参考讲者 PPT 和回放。

任务参考模板及案例：

课程笔记、课后交流整理参考：《系统科学前沿》第一期课程笔记整理（第一讲至第三讲）

公众号文稿参考案例：有效复杂性的边界：在有序与无序之间

🎁 奖励：每篇共创任务可获得100元奖学金，并为团队累计100积分

激励途径

途径一：共创任务积分比拼（按地区学习小组排名）

学员可自愿组成地区学习小组，由队长组织成员交流、提醒参与课程直播，并鼓励团队代表在社群内提问与分享。团队参与活动由队长统一组织管理，任务及奖金由队长按实际情况分配。

每个学习小组完成的共创任务可累计积分，积分按地区学习小组排名进行比拼。

奖励包括学习证书和特色课程文化衫，用于表彰团队协作和突出贡献。

途径二：发布高质量课程笔记

在集智学园网站完成某节课的总结文章，或整理课程相关论文解读、翻译，提交至集智学园助教团队审核。

每条认可贡献奖励100元奖学金。

优秀文章入选集智俱乐部发布内容，还可获得额外稿费。

途径三：招募课程助理

付费报名课程后联系助教申请课程助理（第一期学员优先）。

成为正式课程助理并完成任务后，在课程结束时退还全额学费。

荣誉体系旨在表彰学员在学习、分享、共创过程中的卓越表现，体现成就感和团队荣誉。

团队荣誉：

学习小组在地区排名中表现优异，任务贡献者可获得团队证书和文化衫

团队积分累计显示团队整体贡献，形成长期荣誉记录

个人荣誉：

成为共读引导者或完成共创任务的学员，将获得奖学金奖励

高质量课程笔记被采纳并发布，可获得额外稿费和荣誉认可

成为课程助理的学员，在完成任务后退还学费并获得课程助理证书

报名须知

课程形式：腾讯会议直播，集智学园网站录播。本系列课程不安排免费直播。

课程周期： 2025年10月17日第一课，每周五晚19：30-21：30点，授课1.5小时，答疑0.5小时。

课程定价：原价599元，早鸟价299元。早鸟优惠截止到2025年10月30日中午12点。

付费流程

扫码付费

课程页面填写学员登记表，微信扫码入群；

课程可开发票。

关于主办方

北京师范大学系统科学学院：

北京师范大学是中国系统科学学科的重要发源地之一，自20世纪70年代末即开始布局相关研究和教育体系。学院已建立起从本科到博士后完整的人才培养体系，并在复杂系统研究领域形成深厚积淀。学院聚焦复杂系统的结构、演化和控制，研究涵盖从自然到社会的多个层面，尤其在复杂系统的涌现行为与控制优化、社会经济系统建模、生命与脑认知系统的自组织行为、多主体系统与智能算法、以及复杂系统的信息建模等方面形成了特色鲜明、国际接轨的研究方向。学院在复杂网络、脑科学、经济系统建模等研究领域取得了一系列有影响力的成果，多篇论文被国际权威期刊选为封面或亮点评述，并受到国内外学术界和主流媒体广泛关注。依托于“复杂性研究中心”、“数学与复杂系统教育部重点实验室”等科研平台，北师大系统科学学院已成为中国高校中系统科学研究与人才培养的重镇之一。

集智学园：

集智学园作为集智科学研究中心孕育的商业公司，力图传播复杂科学、人工智能等前沿知识和新兴技术，促进、推动复杂科学领域的知识探索与生态构建。合作伙伴包括腾讯、华为、北京师范大学、湖畔大学、混沌大学等多家知名机构。2019年被评定为“中关村高新技术企业”和“国家高新技术企业”。

🌞 口号：学复杂科学，到集智学园

🌞 使命：梳理复杂知识体系，普及科学理论方法。

结语

《系统科学前沿》第二期课程，不仅是一次知识的传授，更是一场思维的升级。我们诚挚邀请您加入，与顶尖学者同行，共同探索复杂世界的深层奥秘，用系统思维武装自己，迎接未来的挑战与机遇！

FishAI

鱼阅，AI 时代的下一个智能信息助手，助你摆脱信息焦虑