东方科技论坛第40次学术研讨会“生物复杂性”于2004年5月17－21日在上海举行。本次研讨会由复旦大学理论生命研究中心及美国圣菲研究所共同承办，旨在促进我国的生物复杂性研究。复旦大学理论生命科学研究中心主任﹑中科院院士郝柏林教授和美国圣菲研究所（SFI）Eric Smith教授共同主持了本次会议。

生物复杂性科学（science of biocomplexity）主要探索在一些传统学科间交叉的问题。准确地说，是寻求以定量和整合的途径来深入了解各种生命系统之间复杂的相互作用，其中既包括生物的、行为的、化学的和物理的相互作用，也包括生态的、环境的和社会的综合作用等。生物复杂性研究迅速成为美国国家科学基金会（National Science Foundation, NSF）资助的一个新方向，1999年NSF开始对生物复杂性研究项目进行首期资助。2000年起，相关研究的启动经费就超过5000万美元，有关国际合作也已经逐步立项。其中，“环境中的生物复杂性”是NSF现阶段资助的主题，包括利用大型计算机研究生态系统中生物（包括人类）与环境之间的相互关系，建立生态系统的动态预测模型，阐明燃烧的雨林、变薄的臭氧层等与全球变暖之间的相互联系等项目。涉及的相关学科领域则包括生命科学、环境科学、地球科学、计算机和信息科学、数理科学、社会和行为科学等。除NSF的生物复杂性研究专项外，还有许多相关领域与研究项目。我国国家自然科学基金委员会也设有“复杂性科学研究专款项目”，其中“生态系统、生命系统与认知系统的复杂性”为鼓励研究方向之一。

生物复杂性研究目前还仅仅是一个开端，研究工作主要有如下几个方面的特点和趋势：

1）尽管复杂性是自然界中极为普遍的现象，而跨越多个数量级的生物系统的普适标度率也是人们长期追求的目标，但迄今为止并未发现一种复杂性的普遍度量。复杂性研究必须秉持具体问题具体分析的原则，研究生物复杂性问题更是如此。需要在大量观察与长期积累的基础上才有可能获得统计学意义上的规律。

2）生物复杂性研究中所依赖的数据通常具有3种特性：不确定（uncertainty）、弹性（resiliency）和脆弱性（vulnerability）。例如，环境系统通常趋向于非线性，很难预测（Lewis，2001）。在实际研究中，可以借鉴复杂性科学和其他领域中较为成熟的方法论工具，但分析结果时必须充分考虑数据的特殊性。

近年来，生物复杂性研究促进了系统分析与分子技术之间的融合。前者是生物复杂性研究的基本方法，它有利于解决传统研究方法难以处理的信息整合问题；后者则是整个生命科学发展的核心技术。随着越来越多的基因组全序列测序的完成和生物信息学技术的发展，将会产生更多更有效的方法来探索生物复杂性。

复旦大学理论生命科学研究中心希望通过举办“生物复杂性”学术研讨会，促进生物复杂性的研究。

详见：东方科技论坛第四十期研讨会“生物复杂性”

人类文明的历史见证了科学理论从简单到复杂，从特殊到一般，从粗糙到精确，循序渐进、逐步深化的过程。以数学为工具，以物理学为先锋的严密自然科学在初期发展阶段总是力图对客观世界进行线性化的轻描淡写，随着科学的进步和人类对更美好目标的不断追求，人们对客观世界现象的认识也愈加迫切，用简单的线性化方法刻画复杂的自然已经显得力不从心，于是，一个个线性理论渐渐发展为非线性理论；理想流体力学发展为非线性的Navier-Stokes理论；牛顿引力定理发展为非线性的爱因斯坦引力场方程；玻恩等试图发展非线性电磁理论；海森堡、德布罗意、玻姆努力发展过非线性量子力学等，所有的线性理论似乎都在趋于非线性化，线性科学时代虽未终结，但非线性科学时代却已经悄悄来临。

科学计算可视化的基本含义是，运用计算机图形学或者一般图形学的原理和方法，将科学与工程计算等产生的大规模数据转换为图形、图象，以直观的形式表示出来。科学计算可视化正满足了人类认知客观世界的需要。常言到“百闻不如一见”，“一图胜过千言”，人类获得的关于外在世界的信息80%以上是通过视觉通道获得的。目前可视化技术已成为“科学技术之眼”， 它是科学发现和工程设计的工具。

非线性计算技术和可视化技术的结合无疑会推动人类描述、改造复杂的客观世界的脚步。

来源：合肥大学非线性科学计算与可视化工作室