城市是多尺度的复杂系统，现实世界积累的海量真实数据使其成为复杂系统自动建模方法的理想应用场景，本报告主要涵盖城市复杂系统的两类主要问题。
预测和模拟：预测复杂系统的长期演化状态、韧性对于城市中的基础设施、生态系统至关重要，将介绍物理信息融合神经网络 (PINN)、神经常微分方程 (Neural ODE)以及扩散模型 (Diffusion Generative Model) 技术来克服基于真实数据的建模难题。
规律发现：基于真实数据，利用前述复杂系统的动力学推断方法能够发现城市系统的内在演化规律，以人流移动为例，相比经典的「社会力」物理模型 (Social Force)，基于真实数据提炼的新物理公式能更好的模拟各种场景下的人群移动。