学术活动

深圳先进院联合团队取得KDD PAPW 2020流行病流动干预竞赛冠军

时间:2020-09-02  来源:数字所高性能计算技术研究中心 宁立 周榕 文本大小:【 |  | 】  【打印

  8月23日到27日,数据挖掘、知识发现领域的国际最高级别学术会议—— KDD 2020 在线上举办,会上颁发了由PAPW 2020(The Workshop of Prescriptive Analytics for the Physical World) 组织的“流行病流动干预竞赛”相关奖项。来自中国科学院深圳先进技术研究院高性能计算技术研究中心的两支参赛队伍包揽了比赛的冠亚军,参赛队伍的指导教师为宁立副研究员。 

  新型冠状病毒(COVID-19)感染的肺炎疫情牵动着全世界的心。大数据、人工智能、云计算等数字技术,在疫情监测分析、病毒溯源、防控救治、资源调配等方面发挥着重要作用。面对“新冠肺炎”,一方面,世界各国采取的“社交距离”“居家隔离”“健康码”等一系列人员隔离策略被认为可以有效遏制疫情蔓延;另一方面,隔离策略也在一定程度上影响了人们日常生活和各国经济运转。如何设计隔离策略,既能保证人们的正常生活,又能遏制疫情的蔓延,是全球研究者关注的热点问题。 

  PAPW 2020研讨会基于上述背景举办了流行病流动干预竞赛,要求设计出针对流行病的流动干预策略。此次比赛由宾夕法尼亚州立大学、清华大学、南加州大学、卡塔尔计算研究所、上海交通大学、雅典国立卡波迪斯安大学以及弗吉尼亚理工大学共同主办,旨在寻找有效的人员流动干预政策,以在流行病暴发期间最大程度地减少病毒的传播。具体地,本次竞赛目标是通过计算机模拟环境下,最大程度减少感染人数、减少人类流动性干预。比赛中使用的模拟器对一个1万人规模城市进行了60天的仿真,采用易感性感染恢复(SIR)模型进行疾病传播建模,并根据干预策略进行个体级别的模拟。比赛针对5种不同的场景进行了仿真,根据5种场景下的排名决定最终总排名。 

  比赛共有来自世界各地逾20支队伍参加比赛。最终,深圳先进院、京东联合组成参赛队伍取得正赛总分第一名,采用强化学习算法对问题进行建模来优化流动干预策略深圳先进院派出的另一支参赛队伍采用遗传算法对问题建模两支参赛队伍最终提出的干预策略,都分别将各场景的累计感染人数控制在100人以下,远低于其它参赛队伍提出的解决方案两团队的提交成绩在所有分场景下均取得前两名,因此以较高优势获得比赛的冠亚军。 

  此次获奖团队中的深圳先进院成员,来自深圳先进院数字所高性能计算研究中心的算法优化课题组。课题组由张涌研究员领导,目前成员包括副研究员1人,博士员工2人,工程师1人,博士硕士学生8人。近年来,课题组专注于研究近似算法和在线算法的设计与分析,以及分布式计算和多智能体系统方面的算法和应用。 

获胜队伍公告网站截图(来源:https://prescriptive-analytics.github.io

京东数据科学实验室团队

深圳先进院算法优化课题组团队

获奖证书