Science 最新:旅行控制怎样影响限制新冠病毒的爆发速度?
导语
针对武汉封城究竟有没有为全世界争取到了抗疫一个月窗口期这一讨论,美国东北大学等机构的研究者在权威期刊 Science 上发表新论文,对此给出了看似有些矛盾的解答:对于控制中国疫情,封城来得有些迟,而对于国际间传播,仅禁止和中国的航班效果有限。
这究竟是怎么回事,读懂这篇不长的论文,普通读者会惊叹复杂网络能够进行预测的范围有多广,对于有志于科研的读者更可以从中学到教科书级的数字可视化技巧。
...
- 2020-03-11
隐藏的几何:各类随机物体中的深层联系
在“SLE曲线”结构中,随机性增加 | 来源:Jason Miller
标准几何体能够用简单规则描述,比如通过y = ax + b定义每条直线,而且各要素之间的关系也相对明了:两点成线,四边成面,六面结合为立方体。
然而,困扰麻省理工学院数学教授Scott Sheffield的不是标准几何体,而具有随机性的形状。因为无法预测路径,世界上不存在两个一模一样的随机形状。最常见的随机形状是随机游走(random walk),从金融资产价格的变动到量子物理中的粒子路径,我们称之为随机游走,因依靠过去的路径,你根本无法预判粒子将来的走势。
...
- 2019-06-18
费根鲍姆常数和混沌系统中的周期性
米切尔·费根鲍姆(图片来源:Flickr)
导语
40多年前的洛斯阿拉莫斯国家实验室,一位助手对一类数列的研究引起了轰动,因为它涉及了大自然的核心的秘密:从这个数列中,可以发现大自然中一个基本的无量纲常数——4.6692……。这个常数像圆周率一样,充满了神秘的未知,也引领着科学的发展。
本文经授权转载自微信公众号:环球科学
原文标题:4.6692……一个比圆周率更神秘的常数
国家实验室的“小助手”
米切尔·费根鲍姆(Mitchell J. Feigenbaum)1944年出生在美国费城。
...
- 2019-06-17
复杂网络研究新方向:全齐性子网络
导语
近日,知名学者史定华(第一作者)、吕琳媛和陈关荣(通讯作者)共同在《国家科学评论》(National Science Review)上在线发表了名为《Totally homogeneous networks》的新文章。作者借鉴庞加莱的”剖分”思想,从圈结构的视角出发,把网络分解为全齐性子网络,并提出向量空间作为表示网络的新方法,以此开创新的网络研究框架。这项工作将代数拓扑引入网络科学的研究中,体现了物理、数学、计算机等多学科交叉融合的价值。本文系对这一研究工作的解读。
...
- 2019-06-11
统一电磁学的麦克斯韦,如何影响了系统科学的发展?
詹姆斯·克拉克·麦克斯韦(James Clerk Maxwell,1831〜1879),英国物理学家、数学家。经典电动力学的创始人,统计物理学的奠基人之一。
导语
麦克斯韦为人熟知的主要原因是他对电磁学的贡献,实际上,作为物理学家,麦克斯韦对系统控制的研究也持续多年,他对于控制器的早期探索深刻影响了维纳等人对控制论研究。
本文经授权转载自《系统科学纵横》2019年第6卷第1期
掌舵人:麦克斯韦
今年(2019年)11月5日是麦克斯韦逝世140周年纪念日。
...
- 2019-05-14
复杂网络升阶指南:如何构建最优网络模型
三种高阶网络建模方法
导语
根据奥卡姆剃刀原则,好的模型即便是在高阶的条件下也应使用最少的假设,推导出可泛化的结论,从而使得模型的适用范围超过最初建模的情景。
1. 从传统模型到高阶模型
近期《Nature Physics》刊登了一篇Perspective(观点)类型的文章,摘要如文章标题一样短小精悍。
...
- 2019-04-16
纤维丛理论解决神经网络的“灾难性遗忘”问题
莫比乌斯带:一个经典的纤维丛例子 | ©sciencenet
导语
最近发表在arxiv.org上的一篇论文,提出一种将学习系统看作一个纤维丛(Fiber Bundle)的通用学习模型。通过在一系列机器学习的实验中将文章提出的模型与传统模型的学习能力进行对比,作者发现新模型不仅有着极佳的连续学习能力,而且具有很大的信息容量。
...
- 2019-04-07
大脑网络如何实现从意识到潜意识的状态转变?——k核分解给你答案
© frontiersin.org
引言
意识重要,还是潜意识重要?这个问题还可以分解为:有为重要,还是无为重要?招式重要,还是内功重要?剑宗厉害,还是气宗厉害?… 等等一系列重要衍生问题。
现在,一篇论文已经对这个基本问题进行了正面的回答:潜意识网络不仅是大脑网络中连接最紧密最具弹性的的部分,还同时是存于意识网络中具有全局影响的部分——它是意识的真正核心。
...
- 2019-04-02
AI生成模型:超越数据观测与计算机模拟的第三条科学探索之路?
导语
最先进的人工智能算法已经开始在探测星系的演化、计算量子力学波函数、探索新的化合物等领域施展拳脚。那么,还有没有那种无法自动化而只能由科学家完成的工作?
编译:集智俱乐部翻译组
来源:quantamagazine
原文题目:
How Artificial Intelligence Is Changing Science
如今的物理学和天文学实验会产生海量的数据,已经没有人或团队能够跟进所有的这些数据了。其中一些数据每天以TB级的规模增加,而且这个趋势不会减弱。
...
- 2019-03-21
图网络深度解析:为什么说图网络是 AI 的未来?
导语
2018年人工智能成为重塑世界格局的关键。谷歌BERT模型刷新多项自然语言处理纪录,DeepMind则用星际争霸II对局再次引爆机器智能无限可能。阿里与华为分别推出AI芯片,作为底层支撑的计算体系结构也将迈入黄金十年发展期。2019新春,中国人工智能将迎来全新的竞争挑战与生态建设契机。
图神经网络(Graph NN)是近来的一大研究热点,尤其是DeepMind提出的“Graph Networks”,号称有望让深度学习实现因果推理。
...
- 2019-03-12