特刊《建模与仿真创新：连接基础方法、人工智能与量子计算（第二部分）》导言

《SIMULATION》：Introduction to the special issue “Innovations in Modeling & Simulation: Bridging Foundational Methods, AI, and Quantum Computing (Part II)”

　　

欢迎阅读我们“建模与仿真创新：连接基础方法、人工智能和量子计算”特刊的第二辑。

正如我们在创刊号中指出的那样，建模与仿真（M&S）领域正在经历一场重大变革。研究人员越来越多地通过结合基础方法论（如基于代理的建模（ABM）和离散事件系统规范（DEVS））与强大的人工智能（AI）和量子计算等新兴技术，来应对复杂的挑战。这种融合有助于提高模型保真度，自动化开发流程，并显著加快计算速度。

为了确保社区能够立即获取这些新研究成果，我们继续采用我们的连载系列模式。随着论文被接收而分辑发布，有助于我们避免积压，并将这些及时的创新直接呈现给读者。

九月刊是该系列的第二辑，收录了以下四篇已接收的文章：

•

《推进仿真中的可重复性和可复现性：挑战与机遇》，作者为 Yilin Huang 和 Deniz Cetinkaya。本文全面概述了仿真领域中可重复性和可复现性（R&R）研究的现状。它阐明了 R&R 的定义特征和典型挑战，同时探讨了由社区主导实践、人工智能和量子计算驱动的新兴机遇。

•

《面向经典和量子计算生成高质量、高性能仿真代码的结构性大语言模型提示工程框架》，作者为 Abigail Sage Berardi、James Leathrum 和 Yuzhong Shen。这项研究提出了一种面向大语言模型（LLM）提示工程的目标、性能、排除架构（GPE-A）框架。该框架指导生成可靠且高性能的仿真代码，涵盖经典和量子计算领域，并展示了更高的可预测性和代码质量。

•

《通过随机森林元模型评估干预措施对流行病曲线不同特征的影响》，作者为 Mert Edali。本研究采用随机森林元模型，利用基于代理的模型 Covasim 来捕捉非线性输入 - 输出关系。通过应用 Boruta 算法，作者确定了在关键流行病曲线特征（如峰值日和感染率）方面最具影响力的非药物干预措施，以更好地支持公共卫生决策。

•

《大规模初级保健系统的近似乐观并行仿真器》，作者为 Jose Canuman、Veronica Gil-Costa、Mauricio Marin、Alonso Inostrosa-Psijas、Mauricio Oyarzún 和 Jacques Demongeot。作者提出了一种专门为初级保健工作流程设计的并行离散事件仿真（PDES）框架。该方法利用基于批量同步并行（BSP）模型的近似并行仿真协议来简化事件排序并消除回滚，在不牺牲临床保真度的情况下实现了显著的可扩展性。

我们希望这第二辑论文能为您的研究努力提供见解和价值。我们期待在后续辑刊中分享更多进展。

ORCID iD

José L. Risco-Martín https://orcid.org/0000-0002-3127-6507