介科学与工程国家重点实验室郭立，孟凡勇，李静海，陈建华等人，在Engineering期刊上发表了“A Case Study Applying Mesoscienceto Deep Learning”论文。
该论文提出了以介科学为指导的深度学习建模方法（MGDL）来研究复杂系统。在基于相同系统演化数据建立样本数据集时，有别于传统的深度学习方法，MGDL根据介科学中的竞争协调（CIC）引入了复杂系统主导机制的处理及其相互作用。然后将介科学约束（Mesoscience constraints）引入到损失函数（the loss function）中，以指导深度学习训练。提出了两种添加介科学约束方法。由于提供了基于物理原理的指导和约束，提高了模型训练过程的物理可解释性。使用鼓泡床建模案例评估MGDL，并与传统技术进行比较。在训练数据集小得多的情况下，结果表明，基于介科学约束的模型训练在收敛稳定性和预测精度方面具有明显的优势，可以广泛应用于各种神经网络配置。该论文提出的MGDL方法是一种在深度学习模型训练中利用物理背景信息的新方法。
原文链接：
https://www.sciencedirect.com/science/article/pii/S2095809924000365 Fig 1. a. Model-training framework for MGDL. b. Particle velocity field of a bubbling bed simulated by DNS. c. particle velocity field predicted using ConvLSTM + MGDL.
