近日，在蒋丽忠教授及导师向平教授的指导下，中南大学土木工程学院硕士研究生彭炫作为第一作者，在国际顶级期刊《Nature Communications》（IF=15.7）上发表了题为“Adaptable graph region for optimizing performance in dynamic system long-term forecasting via time-aware expert”的研究论文。该研究针对结构工程等领域动态系统长期预测中的“精度与效率难以兼顾”这一核心痛点，提出了一系列创新性解决方案。

研究团队创新性地提出了区域图神经网络（RGNN）框架，该框架通过引入区域图表示（RGR）与细粒度重构（FGR）技术，将复杂物理系统中的关键部件作为节点，耦合关系作为连接，赋予节点和边物理属性，实现了对系统动态特性的精准捕捉。通过灵活调节“区域阶数”，有效控制了图结构规模，在保留核心拓扑信息的同时，将节点数量大幅压缩至原规模的10%-50%，显著提升了计算效率。同时，借助线性变换矩阵实现区域特征向量的重新分配，确保了信息的精准传递与无损重构。此外，研究还集成了稀疏时间感知专家模块，该模块能够动态融合短期波动与长期趋势的多尺度信息，有效解决了传统模型在信息融合上的局限性，提高了长期预测的准确性和稳定性。同时，提出的融合图卷积（FGC）技术，优化了大型图结构中远距离节点的信息交换机制，实现了高效的信息传递，避免了传统方法中的效率牺牲与信息丢失问题。实验结果显示，该技术在PEMS08数据集上的计算速度提升了45.7倍，内存消耗降低了87%。在PEMS04和PEMS08两个经典数据集上的验证表明，区域化后的邻接矩阵与原始邻接矩阵在核心拓扑特征上高度一致，有效保留了局部连接特性和整体疏密分布规律。

此研究成果为桥梁安全监测、交通管控、气候预测等领域提供了高效智能的技术支撑，进一步彰显了我院在结构工程智能化领域的科研实力与人才培养成效。

一审：向平  二审：阿山木  三审：乔世范、纪晓飞、雷明锋