场上的移动、动物群体运动等）的短期轨迹，并通过引入多尺度特征融合和受神经科学启发的模块，提升预测的准确性和鲁棒性。
虽然论文中充斥着大量专业术语和数学公式，但韩澈结合自己的编程经验和有限的机器学习知识，大致能看懂其技术脉络和应用场景。让他感到惊讶的，不是论文本身的高深（以他目前的水平只能看懂皮毛），而是苏晚的研究方向——看起来并非传统理论物理，而是高度交叉的，结合了物理建模、计算机科学（特别是深度学习）和神经科学的前沿领域。并且，她已经在这样的顶级期刊上发表了论文，尽管是第三作者，但对于一个本科生（甚至可能是低年级）而言，这已是惊人的成就。
他想起她怀里抱着的《复杂网络：模型、结构与动力学》，以及她对自己算法问题一针见血的点拨。原来，那些并非泛泛的了解，而是与她深入研究的领域息息相关。复杂网络是描述许多系统（包括社交网络、神经网络、交通网络）的通用工具，而运动轨迹预测、图数据处理，都与“关系”和“动态”密不可分。
一种混合着恍然与钦佩的情绪，悄然在心底升起。他一直知道苏晚优秀，是物理系出名的才女，但直到此刻，看到她名字印在严肃的学术期刊上，看到她涉足的是如此前沿而交叉的领域，他才对她所在的“世界”有了一个更具体、也更令人惊叹的认知。那是一个由数学语言、物理原理、算法模型和生物灵感交织而成的、探索智能与复杂系统本质的深邃世界。
他又在电子检索终端上，以“Su, Wan”和“Tsinghua University”为关键词简单搜索了一下，结果再次让他微微咋舌。除了这篇《Neural Computation》上的论文，她还以共同作者身份，在另外两本影响力不俗的期刊和几个顶级国际会议上发表过文章，研究方向涉及神经形态计算、类脑算法优化等。虽然大多是第二、第三作者，但考虑到她的年级和这些期刊/会议的级别，其含金量不言而喻。
本章未完，请点击"下一页"继续阅读！ 第3页 / 共6页