专题征稿｜高起点期刊Physica D: Nonlinear Phenomena: 机器学习与算法信息论

Boumediene Hamzi博士的研究兴趣，是分析再现核希尔伯特空间中的控制和随机动力系统。以便开发基于数据的随机动力系统分析和预测方法，以及基于观测数据（而不是预先描述的模型）的非线性系统控制策略。他尤其感兴趣的研究方向是，在重现核希尔伯特空间中开发一种定性的动力系统理论，并将其应用于具有临界转换的系统。

总体而言，他的研究兴趣集中在以下领域的交叉点：

* 控制理论

* 确定性动力系统

* 学习理论/机器学习

* 随机动力系统

尤其侧重于以下问题： 

动态系统的核方法（以及一般而言，机器学习和动态系统领域的交叉）

从动态系统理论角度看控制理论（控制动态理论）

Marcus Hutter博士是伦敦DeepMind公司的高级研究员，也是堪培拉澳大利亚国立大学（ANU）计算机科学研究院（RSCS）的名誉教授。在此之前，他曾在瑞士的 IDSIA 和 NICTA 工作。

他在RSCS/ANU/NICTA/IDSIA的研究主要围绕通用人工智能（Universal Artificial Intelligence）展开，这是一种自上而下的人工智能数学方法，基于科尔莫哥洛夫复杂性、算法概率、通用所罗门归纳法、奥卡姆剃刀、列文搜索、顺序决策理论、动态编程、强化学习和理性代理。

一般来说，他被科学与哲学边界上的基本问题所吸引，且这些问题有可能在他的一生中得到解决。

一个是人工智能，另一个是粒子物理学与万物理论相关的问题。数学（统计学、数值学、代数学......）已成为他永远珍爱的伙伴。

Kamaludin Dingle 博士是科威特海湾科技大学数学系副教授，牛津大学博士。从2022 年的夏季到冬季，Dingle博士度过了自己的休假，在剑桥大学开展了理论生物学和进化以及 AIT 的研究，并在加州理工学院从事了机器学习和时间序列的研究。

他的研究兴趣包括：算法信息论（AIT）、概率论和理论生物学。