2019年10月26日，《自然•通讯》（Nature Communications）在线发表了我校人工智能与自动化学院袁烨教授、张海涛教授与机械学院丁汉院士创新交叉重点团队关于复杂信息-物理系统辨识与建模的交叉学科研究新成果，该论文题为《数据驱动辨识信息物理系统》（Data Driven Discovery of Cyber Physical Systems,DOI:10.1038/s41467-019-12490-1）。

Cyber Physical Systems（CPS，信息物理系统）来源可追溯至上世纪50年代——1954年钱学森所著《Engineering Cybernetics》。CPS是集成计算、通信、控制技术以实现物理系统稳定、可靠、高效运行的新一代工程系统，正成为支撑和引领全球新一轮产业变革的核心技术体系。德国《工业4.0实施建议》将CPS作为工业4.0的核心技术,《中国制造2025》提出，“基于信息物理系统的智能装备、智能工厂等智能制造正在引领制造方式变革”。

如何设计更优、更实用的CPS成为各产业实现资源优化再配置的关键。然而由于其缺乏离散信息处理机制与模型在线更新机制，传统方法在面对具有非线性、时变特性的CPS系统建模问题时效果不佳，无法辨识客观真实世界的复杂非线性动力学方程与离散信息流的深度耦合关系。

为解决这一问题，这篇论文从数据驱动智能学习的角度，提出了一套基于CPS自动建模框架——与传统方法相比，该框架通过设计机器学习算法对CPS所感知的信息流进行建模分析，辨识了CPS中多子系统非线性耦合动力学，挖掘了子系统之间的切换逻辑，揭示了CPS的演化趋势规律。该框架具有较好的普适性，已成功应用在自主无人艇集群、机器人、智能制造、智能电网等多个领域。它可为后续CPS的再设计、优化与控制提供重要理论保证，为智能制造夯实CPS机器学习理论基础。

该项研究成果拓展了现实物理空间与虚拟信息空间之间“人-机-物-环境”等多要素的信息映射、交互操作与协作共融，数据驱动辨识的信息物理系统为数据在线感知、知识动态学习、信息实时反馈提供了全新的研究思路，为实现智能制造过程信息深度融合、自主优化决策、精确控制执行提供了重要保障，对促进我国智能制造应用基础研究具有重要意义。

本文为我校创新交叉重点团队的研究成果，人工智能与自动化学院为第一单位，数字制造装备与技术国家重点实验室为第一通讯作者单位。这是该团队继2016年群体智能成果入选Nature Physics研究亮点之后的又一次突破。除了袁烨教授、张海涛教授和丁汉院士外，论文作者还包括创新研究院博士生唐秀川、人工智能与自动化学院博士生周维、博士后李秀婷、代尔夫特理工大学助理教授潘为以及我校111计划专家卢森堡大学教授Jorge Goncalves。该研究得到了国家自然科学基金委重点项目（U1713203，61751303）、共融机器人重大研究计划培育项目(91748112)和我校创新交叉重点团队项目的资助，展现了我校人工智能、自动化和机械双一流交叉学科的最新研究成果。