主要研究方向
.复杂系统

研究领域
.复杂网络
.图机器学习

代表作
.Cai, W.*, Chen, L., Ghanbarnejad, F., & Grassberger, P., Avalanche outbreaks emerging in cooperative contagions. Nature Physics, 11, p.936–940, 2015
.Cai, W.*, Snyder, J., Hastings, A., & D'Souza, R., Mutualistic networks emerging from adaptive niche-based interactions. Nature Communications, 11, p.1-10, 2020
.Cai, W.*, Ellinger, F. & Tetzlaff, R., Neuronal synapse as a memristor: Modeling pair-and triplet-based STDP rule. IEEE Transactions on Biomedical Circuits and Systems, 9, p.87-95, 2015
.Snyder, J.*, Cai, W., & D'Souza, R., Degree-targeted cascades in modular, degree- heterogeneous networks. Physical Review Research, 4, p.013040, 2022
.Cai, W.*, Schmidt, T., Jörges, U., & Ellinger, F., A feedback spin-valve memristive system. IEEE Transactions on Circuits and Systems I, 59, p.2405-12, 2012

个人简介

蔡蔚然，教授，博士生导师。上海交通大学物理学、应用数学学士。德国德累斯顿工大（TU Dresden）电子与计算机工程学博士。美国加州大学Davis分校博士后。曾任德国德累斯顿工大电子基础研究所研究人员。研究领域：复杂系统、图机器学习。曾在Nature Communications, Nature Physics, EPL, PRE, PRR, IEEE TBioCAS, IEEE TCAS, JAS, ISCAS，NetSci等复杂系统方面的期刊和会议上发表文章。其中，复杂网络上合作渗流相变的工作被选为德国马克斯-普朗克复杂系统研究所年度研究亮点。美国陆军实验室(ARL) Network Science-CTA项目主要申请人与参与者。曾任Nature Comm.，Nature Ecol. & Evol.等期刊、IEEE多个会议和Springer专著审稿人。当下研究的主要方向为图机器学习(machine learning with graphs)、复杂网络, 包括: 复杂网络分析与预测、图神经网络的算法与理论（分子属性计算、图生成模型、组合优化/运筹学问题的机器学习等）、多元时间序列分析（交通流、电网、金融系统等）、演化博弈与群体智能、传染病模型与预测等。其中部分研究课题与美国加州大学(Davis)、瑞士苏黎世大学、德国德累斯顿工大、同济大学等海内外学校合作。我们欢迎有兴趣的研究生加入我们的复杂系统实验室(Complex Systems Lab)，尤其是有深度/机器学习或复杂系统知识的同学；同时我们欢迎有一定基础的本科生参加我们实验室的活动，包括组会讨论和为本科生准备的研究项目。