神经网络求解系统生物学中刚性问题的研究

作     者：张艳玲 王梦收 洪柳 

作者机构：中山大学数学学院 

出 版 物：《中山大学学报(自然科学版)(中英文)》 (Acta Scientiarum Naturalium Universitatis Sunyatseni)

年 卷 期：2024年

核心收录：

学科分类：0710[理学-生物学] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 09[农学] 070102[理学-计算数学] 0835[工学-软件工程] 0701[理学-数学] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家重点研发计划(2023YFC2308702) 广东省基础与应用基础研究基金(2023A1515010157) 

主　　题：系统生物学 刚性微分方程 神经网络 常微分神经网络 

摘      要：在系统生物学的研究中，由于所研究问题的复杂性和多尺度性，我们会经常遇到刚性方程的求解.而近年来，神经网络和深度学习的发展为上述问题提供了新的解决思路和方法.本研究以经典的Belousov-Zhabotinsky (B-Z)反应和Van der Pol(VdP)方程为例，对四类非时序神经网络，包括全连接网络，残差网络、改进的残差网络和深度混合卷积网络，以及三类时序神经网络，包括循环神经网络（RNN）、长短时记忆网络（LSTM）、注意力机制进行了系统比较.实验结果表明：时序神经网络应用于刚性问题的求解精度和计算时间都大幅优于非时序神经网络，而四类非时序神经网络之间的表现并无显著差异.此外我们还将常微分神经网络（ODE-Net）应用于上述刚性问题，并观察到在极短的计算时间内，该方法能够达到极高的精度.本研究为应用神经网络解决系统生物学中各类刚性问题提供了参考和指导.