集智斑图最新论文栏目，关注复杂系统、网络科学、计算社会科学、统计物理等领域的前沿进展，每天即时更新相关顶刊论文，和最新arXiv预印本论文。



本文是对近期arXiv论文的汇总编译（by 彩云小译）。更多最新论文，请扫二维码获取。

核心速递

  • 基于目标分类和TRIZ的自然启发式算法；

  • 计算随机动力系统最可能路径的机器学习框架；

  • 通过强化学习学习超临界翼型的空气动力学设计；

  • 转变接触者追踪的视角；

  • 通过在线招聘广告研究英国新冠肺炎危机期间的就业市场；

  • 复杂信息动力学的统计物理；

  • 关于超复杂网络；

  • 新冠肺炎对人类流动性影响的时空分析: 以美国为例；

  • 印度的收入分配和不平等: 2014-19年；

  • 学习非线性动力学和混沌: 基于知识的系统辨识和预测的通用框架；

  • 准理性脑动力学的证据；

  • 图形神经网络的传播模型搜索；

  • 社会网络中高阶相互作用的时间特性；

  • 使用贝氏网路预测能力成熟度量化；



基于目标分类和TRIZ的自然启发式算法


原文标题：

Mapping of Real World Problems to Nature Inspired Algorithm using Goal based Classification and TRIZ

地址：

https://pattern.swarma.org/paper?id=136f0508-09fc-11eb-a3e6-0242ac1a000c

作者：

Palak Sukharamwala,Manojkumar Parmar


摘要：技术和算法正以指数速度增长。这些技术足以解决技术上具有挑战性和复杂性的问题，而这些问题似乎是不可能完成的任务。然而，趋势方法和方法在数据、算法、软件、计算复杂性和能量效率等各个方面都面临着多重挑战。自然界也面临着类似的挑战。自然界已经解决了这些挑战，这些挑战和公式可以作为自然启发算法(NIA) ，这是基于对自然的研究得出的。本文阐述了一种基于 TRIZ 的将实际问题映射到自然问题的新方法。TRIZ 是一种创造性问题解决理论。利用所提出的框架，可以识别出解决现实问题的最佳 NIA。为了使这个框架发挥作用，设计了一个基于大自然试图实现的最终目标的 NIA 的新分类。文中还讨论了该框架的应用和实例。



计算随机动力系统

最可能路径的机器学习框架


原文标题：

A Machine Learning Framework for Computing the Most Probable Paths of Stochastic Dynamical Systems

地址：

https://pattern.swarma.org/paper?id=fccbd694-09f8-11eb-a3e6-0242ac1a000c

作者：

Yang Li,Jinqiao Duan,Xianbin Liu


摘要：在广泛的非线性系统中，噪声诱导的亚稳态之间的过渡现象的出现起着基本的作用。最可能路径的计算是理解转移行为机理的关键问题。射击法是一种常用的射击技术，但在高维系统中失效。在本文中，我们发展了一个机器学习的框架，以计算最可能的路径在昂萨格-马赫鲁普意义下。具体来说，我们重新制定了边值问题哈密顿系统的神经网络，并设计了一个神经网络来弥补拍摄方法的缺陷。我们的算法成功地应用于几个典型的例子，证明了它的有效性和准确性与随机系统的(高斯)布朗噪声和(非高斯) l‘ evy 噪声。这种新颖的方法有效地探索了各种科学领域中由随机波动引发的稀有事件的内部机制。



通过强化学习学习超临界翼型的

空气动力学设计


原文标题：

Learning the aerodynamic design of supercritical airfoils through deep reinforcement learning

地址：

https://pattern.swarma.org/paper?id=9b6d3840-09ec-11eb-a3e6-0242ac1a000c

作者：

Runze Li,Yufei Zhang,Haixin Chen


摘要：现代民用飞机的气动设计要求具有真正的智能感，因为它需要对跨音速空气动力学有很好的理解和充分的经验。强化学习是一种人工通用智能，它可以通过反复试验来学习复杂的技能，而不是简单地从数据中提取特征或做出预测。本文利用深强化学习算法来研究减少超临界翼型气动阻力的政策。该策略的目的是根据壁马赫数分布的特点采取行动，以便学到的策略可以更一般。强化学习的初始策略通过模仿学习进行预训练，并与随机生成的初始策略进行比较。然后在基于替代模型的环境中训练该政策，其中200个翼型的平均减阻可以通过强化学习有效地提高。该政策也通过使用计算流体力学计算在不同流动条件下的多个翼型进行测试。结果表明，该策略在训练条件和其他类似条件下都是有效的，可以反复应用以达到更大的减阻效果。



转变接触者追踪的视角


原文标题：

Flipping the Perspective in Contact Tracing

地址：

https://pattern.swarma.org/paper?id=6331f13a-09e9-11eb-a3e6-0242ac1a000c

作者：

Po-Shen Loh


摘要：接触追踪已经成为广泛讨论的控制2019冠状病毒疾病的技术。传统的测试-追踪-隔离-支持范式侧重于在人们接触到阳性个体后识别他们，并且隔离他们以保护其他人。这篇文章介绍了一种替代的和补充的方法，这种方法似乎是第一个在暴露发生之前通知人们，在他们的相互作用网络的背景下，这样他们可以直接采取行动避免暴露自己，而不需要使用个人身份信息。我们的系统已经可以用现有的技术实现: 对于每一个积极的情况，不仅通知他们的直接联系人，而且告诉成千上万的人他们离积极的情况有多远，用他们物理关系网络中的网络理论距离来衡量。这种完全不同的方法已经部署在一个可公开下载的应用程序中。它在网络理论的推动下，为应对这场大流行提供了一个新的工具。就像气象卫星为即将来临的飓风提供早期预警一样，它使个人能够看到从远处传来的信号，并从一开始就直接避免暴露。这种颠倒的观点激发了自我保存天生的自私本能，减少了对利他主义的依赖。因此，我们的新系统可以解决行为协调问题，这个问题迄今为止已经阻碍了许多其他基于应用程序的干预。我们还提供了一个启发式的数学分析，显示了我们的系统是如何在非常低的采用阈值下，从用户的角度达到临界质量的(在一些常见类型的社区中可能低于10% ，这在第一次实际部署中得到了经验证明) ; 在那之后，我们系统的设计自然而然地加速了进一步的采用，同时也提醒了应用程序的非用户。



通过在线招聘广告研究

英国新冠肺炎危机期间的就业市场


原文标题：

Studying the UK Job Market During the COVID-19 Crisis with Online Job Ads

地址：

https://pattern.swarma.org/paper?id=5d633d86-09e9-11eb-a3e6-0242ac1a000c

作者：

Rudy Arthur


摘要：新冠肺炎疾病卫生组织的全球流行病以及为减轻流感而实施的封锁政策对劳动力市场产生了深远的影响。理解这些影响需要我们尽可能接近实时地获取和分析数据，特别是当规则迅速变化和当地的封锁制定。在这项研究中，我们通过分析来自在线招聘网站 reed.co.UK 的数据来研究英国的劳动力市场。使用主题建模和地理推理方法，我们能够打破数据的部门和地理。我们还研究了自3月份2019冠状病毒疾病危机袭击英国以来，薪水、合同类型和工作模式发生了怎样的变化。总的来说，在封锁的头几周里，职位空缺减少了60% 到70% 。到9月中旬，这一数字已略有回升，但仍然下降了40% 至50% 。按行业细分，酒店和毕业生工作的空缺大大减少，同时在禁闭期间有更多的护理工作和护理空缺。不同部门之间的地理差异没有那么明显，尽管有一些迹象表明，当地的封锁阻碍了复苏，受冲击较轻的地区的职位空缺减少量可能较小。在薪酬中位数和全职及长期工作数量方面，也出现了一些小但重大的变化。除了这些结果，这项工作提出了一个开放的方法，使快速和详细的调查就业市场在这些不稳定的条件。



复杂信息动力学的统计物理


原文标题：

Statistical physics of complex information dynamics

地址：

https://pattern.swarma.org/paper?id=f6c0e968-09e6-11eb-a3e6-0242ac1a000c

作者：

Arsham Ghavasieh,Carlo Nicolini,Manlio De Domenico


摘要：复杂系统的组成部分通过交换信息来正常工作。它们的信号动力学常常导致涌现现象的出现，如相变和集体行为。虽然信息交换广泛采用不同的扩散过程——如连续时间扩散、随机游动、同步和共识——建立在复杂网络之上的模型，但我们仍然无法理解一个统一的、有物理基础的框架，用于研究信息动态，并获得关于微观相互作用的宏观影响的洞察力。在本文中，我们根据信息动力学的统计场理论提出了这个框架，统一了一系列控制信息在静态或时变结构上演化的动态过程。我们证明了信息算子构成了一个有意义的系综，它们的叠加定义了一个密度矩阵，可以用来分析复动力学。作为一个直接的应用，我们证明了集成的冯纽曼熵可以用来度量复杂系统的功能多样性，定义为组件之间高阶相互作用的功能差异。我们的研究结果表明，模块性和层次性—- 从人类大脑到社会网络和城市网络—- 是经验复杂系统的两个关键特征，在保证功能多样性方面发挥着关键作用，因此受到青睐。



关于超复杂网络


原文标题：

On Hypercomplex Networks

地址：

https://pattern.swarma.org/paper?id=f5ff2756-09e6-11eb-a3e6-0242ac1a000c

作者：

Éverton F. da Cunha,Luciano da F. Costa


摘要：“复杂性”的概念在复杂网络科学中起着核心作用，通常与程度异质性有关。然而，由于度分布不足以提供给定网络的可逆表示，额外的补充测量是必要的。在目前的工作中，我们的目标是获得一个新的复杂网络模型，称为超复杂网络—- HC，它不仅是度分布的拥有属性异质性，而且是一个相对完整的互补拓扑度量集。该模型从均匀随机网络即鄂尔多斯-任意结构出发，应用优化技术，提高了网络的总体复杂度指标。我们已经考虑了两种优化方法: 梯度下降法优化和模拟退火优化。复杂性指数目前相当于几个经过深思熟虑的测量结果的变异系数平均值。报告和讨论了一些有趣的结果，包括随着优化的进行，HC 网络在测量的主成分空间中定义了一条轨迹，这条轨迹往往偏离所考虑的理论模型，进入以前的空白空间(案例密度低)。对于相对较少的节点，HC 网络已经观察到饱和，至少在一个短暂的时期，他们的复杂性在一定数量的优化步骤之后，产生的结构拥有属性增强了每个被考虑的拓扑测量的异质性，但是集聚系数接近于零。对于较大的 HC 网络，我们观察到网络可以开始，经过大量的优化步骤，外围分支结构，进一步增强这些网络的复杂性。



新冠肺炎对人类流动性

影响的时空分析: 以美国为例


原文标题：

Spatial-temporal Analysis of COVID-19’s Impact on Human Mobility: the Case of the United States

地址：

https://pattern.swarma.org/paper?id=f08011aa-09e6-11eb-a3e6-0242ac1a000c

作者：

Songhe Wang,Kangda Wei,Lei Lin,Weizi Li


摘要：自2019年12月以来，2019冠状病毒疾病已经影响到社会生活的方方面面，包括人口流动。在这篇论文中，我们研究了2019冠状病毒疾病对美国各州人口流动模式的影响。从时间的角度来看，我们发现流动模式的变化并不一定与政府的政策和指导方针相关，而是更多地与人们对流行病的意识相关，这在 Google Trends 的搜索数据中得到了反映。我们的结果表明，平均需要14天的流动模式调整到新的情况。从空间角度出发，利用多尺度动态人流数据集中的移动数据进行状态层次的网络分析和聚类。结果，我们发现: 1)同一个群集中的状态有较短的地理距离; 2)从出现最大数量群集的时间到 Google Trends 中与冠状病毒相关的搜索查询高峰的时间再次出现14天的延迟; 3)从3月2日的那一周到4月6日的那一周(群集数量最多的那一周) ，所有状态的其他网络流特性，即程度、接近性和中间性的大幅度减少。



印度的收入分配和不平等: 2014-19年


原文标题：

Income distribution and inequality in India: 2014-19

地址：

https://pattern.swarma.org/paper?id=ea521210-09e6-11eb-a3e6-0242ac1a000c

作者：

Anand Sahasranaman,Nishanth Kumar


摘要：我们研究了2014年至2019年印度的收入变化，发现尽管收入不平等在这段时间内基本保持不变，但收入分配的低端已经经历了重大损失——底层通胀不仅显示收入份额下降了约38% ，而且每年实际平均收入负增长4.6% 。我们进一步研究了这部分分配的构成，使用农村和城市的分割，发现即使收入份额在城市分配的底部随着时间的推移而增加，那些在农村分配的底部已经减少-收入份额在农村收入分配的底部10分之下降了41% ，和实际平均收入增长率为 -4.3% 从2014-19年。我们还通过实证证实，印度综合收入分配的最低收入主要由农村收入构成，因此实际收入的下降实质上是一种农村现象。研究家庭的职业数据，我们发现农村分布的底层十分位数与小/边际农民和农业劳动力的职业密切相关，突出了这些职业的经济脆弱性日益增加。使用 RGBM 模型来估计印度收入分配中重新分配的性质，我们发现重新分配从2015年开始减少，甚至在2018年转为负数，这与分配底部实际收入下降的经验证明一致，并预示了未来持续的负重新分配可能导致资源从穷人向富人递减重新分配的风险。



学习非线性动力学和混沌: 

基于知识的系统辨识

和预测的通用框架


原文标题：

Learning Nonlinear Dynamics and Chaos: A Universal Framework for Knowledge-Based System Identification and Prediction

地址：

https://pattern.swarma.org/paper?id=fb7f1128-092d-11eb-90ee-0242ac1a000c

作者：

Tom Z. Jiahao,M. Ani Hsieh,Eric Forgoston


摘要：我们提出了一个通用的框架学习的行为动态系统的观察。我们将学习任务描述为一个有约束的最佳化问题，可以用伴随灵敏度法有效地求解。我们的方案在模型的选择方面是灵活的，现有的知识可以很容易地用于混合学习。通过学习各种系统，包括刚性范德波尔振荡器、混沌 Lorenz 系统和 Kuramoto-Sivashinsky 方程，我们证明了我们方案的有效性。我们还包括混合学习和从嘈杂的观察中学习的例子。



准理性脑动力学的证据


原文标题：

Evidence for quasicritical brain dynamics

地址：

https://pattern.swarma.org/paper?id=dcedfc3c-0924-11eb-90ee-0242ac1a000c

作者：

Tom Z. Jiahao,M. Ani Hsieh,Eric Forgoston


摘要：许多证据似乎表明，大脑皮层运行在临界点附近，然而尚未发现一组确定其普适性类的指数。事实上，当根据数据估计临界指数时，它们在物种之间、同一物种的个体之间，甚至随着时间的推移，或者依赖于刺激因素，都会有很大的不同。有趣的是，这些指数仍然近似地保持着一个动力学标度关系。在这里，我们展示了准共轭性理论，一个大脑动力学的组织原则，可以解释这种矛盾的情况。当外部刺激驱动大脑皮层时，准临界性预示着沿着一条 Widom 线的临界性偏离，其绝对值减小，同时仍然保持着近似的动态标度关系。我们使用模拟和实验数据来证实这些预测，并描述可能很快被测试的新预测。



图形神经网络的传播模型搜索


原文标题：

Propagation Model Search for Graph Neural Networks

地址：

https://pattern.swarma.org/paper?id=32e72050-0920-11eb-90ee-0242ac1a000c

作者：

Yuhui Ding,Quanming Yao,Tong Zhang


摘要：提出了一种新的用于图形神经网络的神经结构搜索框架。我们设计了一个表达式搜索空间，重点关注 gnn 的一个常见的关键组件——传播模型。具体来说，我们搜索传播矩阵和传播步骤之间的联系。我们的搜索空间覆盖了各种图类型，例如同构图、异构图，并且可以自然地扩展到高维推荐系统和时空数据。我们提出了一种基于抽样的一次性 NAS 算法来有效地搜索合适的传播模式。在三个不同的场景中进行了大量的实验来评估所提出的框架。我们表明，我们的框架所获得的模型的性能优于国家的最先进的 GNN 方法。此外，我们的框架可以在异构图中发现可解释的元图。



社会网络中

高阶相互作用的时间特性


原文标题：

Temporal properties of higher-order interactions in social networks

地址：

https://pattern.swarma.org/paper?id=ec128590-091d-11eb-90ee-0242ac1a000c

作者：

Giulia Cencetti,Federico Battiston,Bruno Lepri,Márton Karsai


摘要：人类在当地环境中的社会互动可以通过记录人们的身体接近度和方向来实验性地检测出来。这种近似于面对面交流的互动，可以有效地表现为时变的社交网络，随着时间的推移，链接不断地被创建和破坏。传统的时间网络分析大多涉及成对的相互作用，其中链接描述个体之间的双向联系。然而，许多网络动力学很难归因于成对设置，但往往包括更大的群，这是更好地描述了高阶相互作用。本文通过分析在不同社会背景下收集的三个公开数据集，考察了时间社会网络的高阶组织。我们发现，高阶相互作用是普遍存在的，并且，与它们的成对对应物相似，拥有属性异质动力学，快速循环的高阶事件的突发列车被长时间的不活动所分隔。我们通过观察不同高阶结构之间的转变速率来研究群的演化和形成。我们发现，在更自发的社会环境中，群体的形成和分解拥有属性更慢，而在工作环境中，这些现象更突兀，可能反映了预先组织的社会动态。最后，我们观察到时间强化，这表明一个群体在一起停留的时间越长，同样的相互作用模式在未来持续存在的概率就越高。我们的研究结果表明，在研究人类时间动态时，考虑社会互动的高阶结构是非常重要的。



使用贝氏网路预测能力成熟度量化


原文标题：

Predictive Capability Maturity Quantification using Bayesian Network

地址：

https://pattern.swarma.org/paper?id=7a69e25e-0921-11eb-90ee-0242ac1a000c

作者：

Linyu Lin,Nam Dinh


摘要：在核工程中，建模和仿真(m & s)被广泛地应用于支持基于风险的安全分析。由于核安全分析具有重要意义，因此需要一个令人信服的验证过程来评估模拟的充分性，即 m & s 工具能够充分代表感兴趣的系统数量的程度。然而，由于数据缺口的存在，验证变成了一个不确定性条件下的决策过程。专家知识和判断需要收集、选择、描述和整合证据，才能最终做出充分性决定。然而，在确认框架 CSAU: 代码扩展、适用性和不确定性(NUREG/CR-5249)和 EMDAP: 评估模型开发和评估过程(RG 1.203)中，这样的决策过程在很大程度上是隐含的和模糊的。在场景复杂的情况下，容易忽略知识偏差和不可靠判断，增加了仿真充分性结果的不确定性和相应的风险。因此，需要一个框架，以实用、透明和一致的方式形式化模拟充分性的决策过程。本文提出了一个基于验证活动信息的模拟充分性评估的量化框架——“预测能力成熟度量化(PCMQBN)”(Predictive Capability Maturity Quantification using 贝氏网路，PCMQBN)。为了评价光滑粒子流体动力学模拟在预测外部驱油情况下静态结构上的流体动力时的充分性，准备了一个案例研究。与定性和隐式充分性评估相比，PCMQBN 能够提高对模拟充分性结果的置信度，降低风险知情安全分析中的期望损失。


来源：集智斑图
编辑：王建萍



复杂系统前沿文献交流群


如果你经常关注复杂系统和跨学科研究进展，是网络论文速递栏目的长期读者，欢迎扫描集智小助手，向我们反馈你的需求。欢迎提出宝贵意见，我们一起来探索追踪前沿进展的更好方式。


参与论文速递用户调研后，我们将邀请你加入集智的科研文献交流群。



近期网络科学论文速递


超图超边的局部几何及其在社会网络中的应用 | 网络科学论文速递9篇

流网络中恢复与失效扩散的拓扑理论 | 网络科学论文速递12篇

经济与疾病传播: COVID 19的重启机制 | 网络科学论文速递11篇

“粉丝经济”对中国流行音乐产业有用吗? | 网络科学论文速递11篇

因果发现的新框架 | 网络科学论文速递13篇

加入集智，一起复杂！




集智俱乐部QQ群｜877391004

商务合作及投稿转载｜swarma@swarma.org

◆ ◆ ◆


搜索公众号：集智俱乐部


加入“没有围墙的研究所”

让苹果砸得更猛烈些吧！


👇点击“阅读原文”，了解更多最新arxiv论文