علم اعصاب، علمی چندرشته‌ای است که با مطالعۀ ساختار و عملکرد سامانۀ عصبی سروکار دارد. این علم قسمت‌های مختلفی مانند تکامل، توسعه، زیست‌شناسی سلولی و مولکولی، فیزیولوژی، کالبدشناسی، و داروشناسی سامانۀ عصبی را دربر می‌گیرد، همچنین، علم اعصاب محاسباتی، رفتاری و شناختی را شامل می‌شود.
یادگیری ماشین، توانایی آن برای بهبود عملکردش بر اساس نتایج قبلی است. روش‌های یادگیری ماشین رایانه‌ها را قادر می‌سازد که بدون اینکه برنامه‌نویسی شوند، یاد بگیرند و کاربردهای مختلفی در مواردی نظیر بهبود الگوریتم‌های داده‌کاوی، هوش مصنوعی، پردازش تصویر و ... داشته باشند.
زیست‌فیزیک، علمی بین‌رشته‌ای است که به مطالعۀ پدیدهها و فرآیندهای فیزیکی در موجودات زنده در مقیاس مولکولی، سلولی، بافت‌ها، و اندام‌ها می‌پردازد. زیست‌فیزیکدان‌ها از اصول و روش‌های فیزیکی برای فهم سامانه‌های زیستی استفاده می‌کنند.
همگام‌سازی یک فرآیند طبیعی برای ایجاد نوعی نظم در یک سامانه است که در همۀ لایه‌های طبیعت، از جهان زیراتمی و کوچک‌مقیاس تا جهان بزرگ‌مقیاس کهکشان‌ها، قابل مشاهده است. به طور دقیق، همگام‌سازی، هماهنگ شدن پدیدهها یا اجزای مختلف یک سامانه و عملکرد همزمان آن‌ها است. هماهنگی پرندگان هنگام پرواز، دسته‌های آبزیان در حرکت گروهی، چشمک زدن کرم‌های شب‌تاب، کارکرد هماهنگ بخش ضربان‌ساز قلب برای ایجاد پتانسیل مناسب تپش، بهمن نورونی در مغز، همگامی سلول‌های مغز، تشنج‌های مشاهده‌شده در بیماری صرع و باریکۀ نور لیزر نمونه‌هایی از همگامی هستند.
تکامل یکی از فرآیندهای دینامیکی حائز اهمیت در مطالعۀ سامانه‌های پیچیده است. مطالعۀ اصول بنیادی ریاضی که راهنمای تکامل است، دینامیک تکاملی را تشکیل می‌دهد. در هر محیطی که اطلاعاتی بازتولید شود، تکامل وجود دارد. با این توضیح می‌توان فهمید که گسترۀ مفاهیم مربوط به دینامیک تکاملی تا چه اندازه وسیع است. فهم منشأ هنجارهای اجتماعی و رفتارهای غالب و تمایلات فرهنگی در شبکه‌های اجتماعی، درک نحوۀ توزیع ویروس در یک سامانۀ زنده و یا چگونگی عملکرد سامانه‌های کامپیوتری، هر کدام می‌توانند یکی از هدف‌های مطالعۀ دینامیک تکاملی باشند. ساختار جمعیت در دینامیک تکاملی، نقش بسزایی دارد.
ویژگی‌های یک سامانۀ پیچیده با رفتار اجزای کوچک آن بسیار متفاوت است؛ به همین دلیل مدل‌سازی یک سامانۀ پیچیده بدون لحاظ کردن رفتار جمعی اجزای آن ممکن نیست. یکی از روش‌های مدل‌سازی چنین سامانه‌ای استفاده از گراف است. رئوس و یال‌های گراف به سادگی اجزا و برهم‌کنش‌های سامانه را مدل می‌کند. ساختارهای اجتماعی، زیستی و روابط اقتصادی را می‌توان با استفاده از شبکه‌های پیچیده مدل کرد. ریاضیدانان، فیزیکدانان، زیست‌شناسان، مهندسین حمل‌ونقل و علوم کامپیوتر، و هواشناسان از این مدل‌ها استفاده می‌کنند.
