复杂性科学论文推荐7篇 | Complexity Express一周精选2.15-2.21

集智斑图顶刊论文速递栏目上线以来，持续收录来自Nature、Science等顶刊的最新论文，追踪复杂系统、网络科学、计算社会科学等领域的前沿进展。现在正式推出订阅功能，每周通过微信服务号「集智斑图」推送论文信息。

扫描下方二维码，关注“集智斑图”服务号，即可订阅Complexity Express：

Complexity Express 一周论文精选

以下是2021年2月15日-21日来自Complexity Express的复杂性科学论文精选。如果Complexity Express列表中有你感兴趣的论文，欢迎点赞推荐，我们会优先组织解读~
目录：
利用症状出现前后的传播峰值进行非药物干预，遏制2019冠状病毒疾病大流行
非对称动力学 Ising 系统平均场理论的统一框架
利用数据驱动的平衡模型学习主导物理过程
在社会网络隔离与城市拓扑结构相互作用的地方，不平等正在加剧
网络结构并行处理能力的拓扑限制
全球引用不平等现象呈上升趋势
地球生命耐热耐寒能力的演变

1.利用症状出现前后的传播峰值
进行非药物干预，
遏制2019冠状病毒疾病大流行

论文来源：Nature Communications
论文标题：Harnessing peak transmission around symptom onset for non-pharmaceutical intervention and containment of the COVID-19 pandemic 论文网址：
https://www.nature.com/articles/s41467-021-21385-z

天下苦新冠久矣。一系列的研究表明，症状前和无症状的传播应该作为疫情控制的重点。只有把握这一重点，才能准确描述新冠病毒的传播，并切有针对性地控制其扩散。为应对疫情挑战，香港浸会大学的汤雷翰教授及其团队根据COVID-19感染者症状进展情况以及不同阶段的传播特点，综合了各种临床可观测量，提出了一种新的疾病传播模型架构。该模型不仅可以用来实时刻画新冠肺炎在人群中的传播和扩散，还可以定量描述密切接触者追踪、扩大筛检、社交距离、戴口罩等非药物干预方法对疫情控制所起到的关键作用。该研究成果于2021年2月19日在线发表于 Nature Communications。描述COVID-19传播、发展和控制的定量模型示意图研究结果表明，在统一的疫情控制措施下，疾病传播存在着普适的统计规律，诸如筛检和隔离感染者、接触跟踪和隔离感染者的接触者等措施均有效果。从理论和实证上表明口罩等干预措施的作用：如果有更多人佩戴口罩、有更高比例的密切接触者被追踪和隔离，病毒的传播速度将会大大降低。相关报道详情见：利用症状发生前后的传播高峰，用非药物干预的方法遏制COVID-19大流行 | 研究速览

2.非对称动力学Ising系统平均场理论的
统一框架
论文来源：Nature Communications
论文标题：A unifying framework for mean-field theories of asymmetric kinetic Ising systems论文网址：https://www.nature.com/articles/s41467-021-20890-5

用于大型生物和社会系统的高通量数据采集技术的进步为研究其复杂的非平衡动力学提供了前所未有的可能性。例如，来自转基因神经种群的光学记录使得可以同时监视斑马鱼等生物中成千上万个神经元构成的神经网络的活动。这样的网络通常表现出非平衡的动力学，并且常常处于临界状态，在该状态下，数据的波动会达到最大。因此，人们迫切需要数学工具来研究大型非平衡复杂系统的动力学。
基于Plefka展开的近似值的几何视图。点P(St)是时间t处动力学伊辛模型的边缘分布。子流形Qt是一组易处理的分布，如独立模型的流形。

动力学伊辛模型是研究复杂系统非平衡动力学的有力工具。但由于它们的行为在大型网络中难以控制，因此人们提出了许多平均场方法对其进行分析。每种方法均基于有关系统时间演化的独特假设，因此在原有基础上提高平均场方法越来越困难。为应对该问题，2月19日发表在 Nature Communications 上的一篇文章从信息几何的角度为非平衡动力学伊辛系统的平均场理论提出了一个统一的框架。该框架基于一个围绕简化模型建立的系统的 Plefka 展开而建立，通过正交投影到可处理概率分布的子流形获得，不仅统一了以前的方法，还使得在开发新方法时可以保留系统间的相关性。

3.利用数据驱动的平衡模型学习主导物理过程
论文来源：Nature Communications
论文标题：Learning dominant physical processes with data-driven balance models论文网址：https://www.nature.com/articles/s41467-021-21331-z

在工程和物理科学领域，复杂系统中的持久行为通常只由少数几个主要物理过程之间的平衡决定。基于该原理的主导平衡模型（dominant balance models）在对诸如湍流，地球物理流体动力学、和光纤之类的系统的研究中发挥了关键作用，提供了降阶的力学模型，让我们可以用较简单的物理学来描述系统近乎全部的复杂性。
墨西哥湾环流。图a为地面涡度的可视化，单位为s-1，图b和图c分别为针对纬向和经向动力学确定的主导平衡。
然而，这种传统方法在数学上十分麻烦，并且仅适用于物理上尺度严格区分的渐近状态。针对该问题，2月15日发表在 Nature Communications 上的一篇文章开发了一种通用的数据驱动方法来识别复杂物理系统中的主要平衡。文中介绍了关于主导平衡的几何观点，其中标准的机器学习工具可以自动识别主导的物理过程。几何方法则将分析与基础方程式联系起来，以便可以轻松地解释和可视化整个过程。该数据驱动方法旨在与经典渐进分析（而不是替代经典分析）串联使用，这种组合的灵活性和通用性可以将主导平衡模型扩展到更广泛的系统中。
4.社交网络隔离和城市拓扑结构的
相互作用导致社会不平等加剧
论文来源：Nature Communications
论文标题：Inequality is rising where social network segregation interacts with urban topology论文网址：https://www.nature.com/articles/s41467-021-21465-0

社会中居民收入和财富的不均衡现象正在慢慢加剧，其背后的原因多种多样——教育条件、科学技术、公共服务等不均衡导致经济失衡一代代加剧，社交网络和地理环境两个因素更是影响重大。然而，社交网络结构、城市地理环境和不平衡之间的作用关系却鲜为人知。2021年2月18日 Nature Communications 刊登的一篇文章着力研究并解释三者之间的相互关系。研究者们分析了匈牙利约500个城镇约200万人的线上社交网络，将城镇层面的社交网络碎片化程度与收入不均衡程度联系起来后，研究得到了一个恶性循环结果：随着时间推移，更高强度的社交网络碎片化会加剧收入不均衡现象。此外，研究者们又关注在短期内相对稳定的城市自然地理特征与社交网络碎片化的关系。利用两阶段模型，研究发现城市地理环境与收入不均衡之间的关系受到社交网络的中介作用，并且一个城市的地理环境更利于分类或隔离（如河道、山脉、铁路等），所建立的模型可预测更大规模的经济失衡现象。上图表示城市居民收入不均衡（Gi）与社交网络碎片化（Fi）有关 5.网络结构并行处理能力的拓扑限制
学习能力是人类大脑的一个明显优势，而近几年的人工智能学习系统也因其强大的学习能力而受人关注。而且机器同时处理多任务的并行能力也成为了机器学习的一大优势。不过与并行的人工智能神经网络规模相比，并行计算能力的增长较为缓慢。由 ISI Foundation 和普林斯顿大学的研究者领导的研究团队就对神经网络规模并行处理能力的局限进行了分析。这一研究于 2021 年 2 月 18 日发表在了 Nature Physics 上。论文来源：Nature Physics
论文标题：Topological limits to the parallel processing capability of network architectures论文网址：https://www.nature.com/articles/s41567-021-01170-x

利用图模型预测神经网络的并行处理能力研究者将多任务之间互相影响转化为图模型，从网络图拓扑结构的角度来分析神经网络的并行能力。该研究表明，与网络规模的增长相比，神经网络的并行处理能力的增长是亚线性的。一个计算架构要在学习与泛化的效率和数据处理效率之间加以权衡，任务之间的资源共享也就限制了神经网络处理多任务的能力。
6.全球文献引起不均衡现象日益加剧
论文来源：PNAS
论文标题：Global citation inequality is on the rise论文网址：https://www.pnas.org/content/118/7/e2012208118

论文引用量对研究人员和机构的影响不可小觑，通过对科学期刊、论文、著者等各种分析对象的引证与被引证现象进行分析进而可以揭示其中的数量特征和内在规律。2021年2月16日PNAS刊登的一篇文章研究覆盖2000至2015年118个科学学科，分析400多万个作者和2600余万篇科学论文数据，量化得到作者层面上累积引文不均衡和集中趋势。该研究结果表明在这15年内，原先前1%最高被引科学家们的累积引用量占比从14%增长到21%，引文基尼系数从0.65上升到0.70。在理、工、农、医等多个领域被引量不平衡的现象正在上升。另外，引文分布的集中性（citation concentration）上升与更多合作关系趋势一致。随着时间推移，对于被引量最靠前的1%的科学家来说，他们所参与的合作和独著论文数量齐头并进。相反地，普通的科学家会参加越来越大型的合作项目，但发表量却没有明显增加。进一步分析表明，被引用次数最多的科学家中有更多比例地工作于西欧和大洋洲的高水平大学，而美国的顶尖科学家集中程度略微下降。上图表示论文出版量、合作和引用关系
7.地球生命耐热耐寒能力的演变
近几个月，很多生活北方的朋友都经历了有生以来最冷也是最热的冬季气温。对我们的日常生活来说，这样的温差变化带来的影响也无外乎增减衣物。如果我们调整时间轴，回顾漫长的生物演化历史，在历史长河中生物要忍耐的极端温度变化幅度则更为巨大。近日，由德国莱比锡大学的研究者牵头的研究团队就分析了生物耐热耐寒能力的演变。这一研究于 2021 年 2 月 19 日发表在了 Nature Communications 上。论文来源：Nature Communications
论文标题：The evolution of critical thermal limits of life on Earth论文网址：https://www.nature.com/articles/s41467-021-21263-8

研究样本地理位置示意图、样本年代与耐热耐寒能力关系图研究者发现，生物的对极端气温的耐受程度差异会随着物种的演化而加大，而且这种差异在冷血动物、恒温动物表现的植物要更加明显。此外，研究者也发现物种的耐热和耐寒能力与该物种出现的时代相关，这一发现也与“深时气候遗产”（deep-time climate legacies）假说相一致。而且，受到生物本身的生理限制，生物耐寒能力的演化速度也始终大于耐热能力的演化速度。

集智新栏目Complexity Express 上线啦！

Complex World, Simple Rules.复杂世界，简单规则。复杂性科学（Complexity Science）是集智俱乐部多年以来的主题，我们长期追踪关于自然、生命、社会、认知等各类复杂系统的研究进展，并组织学术研讨。同时由于学科交叉融合，大量针对复杂系统的研究成果散落在人工智能、统计物理、网络科学、数据科学、计算社会科学、生命科学、认知科学等等不同领域的期刊会议中，缺乏整合。为了让大家能及时把握复杂系统领域重要的研究进展，我们隆重推出「Complexity Express」服务，汇总复杂系统的最新顶刊论文。 Complexity Express 是什么？
Complexity Express 每天爬取复杂系统领域最新发表的顶刊论文，每周通过“集智斑图”服务号汇总推送。进入 Complexity Express 页面即可随时查看顶刊论文更新，你也可以通过微信接收研究更新推送和一周汇总。

Complexity Express 为谁服务？
如果你是复杂系统领域的研究者，可获得重要论文上线通知，每周获取最新顶刊论文汇总。
如果你是复杂系统领域的学习者，可了解学界关注的前沿问题，把握专业发展脉络。
如果你是传统的生命科学、社会科学等学科中的研究者/学习者，可以从复杂性科学和跨学科研究中获得灵感启发。
如果你是关注前沿研究发现的知识猎手，可获得复杂系统研究对自然和人类世界的最新洞见。Complexity Express 栏目也是集智俱乐部公众号的主要选题来源，诚挚邀请你订阅，与我们信息同步。 Complexity Express 论文从哪里来？
考虑复杂系统研究往往属于跨学科工作，我们主要抓取综合类和泛物理类/计算机类的顶级期刊，从每周新发表的数百篇论文中精选出与复杂系统相关的论文。 Complexity Express 参考影响因子和学者口碑，选择了如下期刊，每日爬取其论文更新：Nature
Science
PNAS
Nature Communications
Science Advances
Physics Reports
Physics Review Letters
Physics Review X
Nature Physics
Nature Human Behaviour
Nature Machine Intelligence
更多期刊持续增补中，欢迎推荐你认为重要的期刊！如果你在 Complexity Express 中发现了感兴趣的论文，请立刻“点赞”！每周最高赞的论文，集智编辑部将组织专业解读~ Complexity Express 追踪哪些领域？
我们力求兼顾热点追踪与领域覆盖，目前筛选的论文主要集中在如下与复杂性关系密切的领域：网络科学各个分支及交叉应用
图数据与图神经网络
计算机建模与仿真
统计物理与复杂系统理论
生态系统、进化、生物物理等
系统生物学与合成生物学
计算神经科学与认知神经科学
计算社会科学与社会经济复杂系统
城市科学
科学学
计算流行病学
以及一些领域小众，但有趣的工作由于复杂性研究领域横跨多个学科，研究论文散落在不同的期刊上，很难不重不漏地把握最新工作。针对复杂性领域的论文筛选，我们专门设计了算法。经过数月的训练迭代优化，目前对上述领域爬取准确率达到90%以上。将来我们还会根据你的具体研究领域，推出研究分类与个性化的订阅服务，敬请期待！由于复杂性领域涉及的论文关键词和研究问题纷繁复杂，所以算法难免有不成熟的地方，如果你发现我们有漏掉的重要论文，或者爬到了领域有偏差的论文，欢迎联系我们（小助手微信：swarmaAI），帮助我们持续优化算法。
如果你对科学学、计算术语学等感兴趣并有代码能力，欢迎报名成为集智算法志愿者/实习生（具体请邮件联系算法组负责人huqiao@swarma.org）。
如果你对复杂性科学及相关跨学科研究有长期兴趣，并乐于解读分享，欢迎加入集智作者团队（具体请邮件联系编辑部负责人liupeiyuan@swarma.org）。