提出了一种基于神经平均场动力学的新型学习框架，用于解决网络扩散的推理和估计问题。该框架可用于联合学习扩散网络的结构和感染概率的演化，具有多样性和鲁棒性，可以在合成数据和真实世界数据上显著优于现有方法的准确性和效率。