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4月5日-4月11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：
-
揭示网络分区之间的共识与分歧
-
非线性参数振子能解随机伊辛模型吗？
-
间歇性平方反比：最优列维飞行
-
人们系统性地忽视减法变化
-
早期人类的原始大脑
-
新手团队与原创性和多学科的研究有关
-
气候不是难民迁徙的主要因素
更新提醒：顶刊速递已支持论文图片速览
期刊来源：Physical Review X
Revealing Consensus and Dissensus between Network Partitions
https://journals.aps.org/prx/abstract/10.1103/PhysRevX.11.021003
网络分析中最重要的工具之一是将未注记的网络划分为相似节点组的算法，这个过程被称为网络聚类或社区检测。社区检测试图将网络划分为具有相似属性的节点组，从而揭示其大规模结构特征。采用这些方法的主要挑战是，通常会产生一个复杂的、相互竞争的结果。本文提供了一套全面的方法来描述和总结分区的复杂总体，其方式不仅可以捕获现有的共识（相似点），还可以捕获总体元素之间的分歧（不同）。这个方法能够模拟分区的混合种群，其中多个共识可以共存。本研究也展示了使用该方法来比较分区对，如何将它们推广到层次划分，以及如何使用它们在竞争假设之间执行统计模型的选择。
期刊来源：Physical Review Letters
Can Nonlinear Parametric Oscillators Solve Random Ising Models?
https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.126.143901
伊辛模型最初是用于解释铁磁系统相变的一个简单模型，但其对于不同的相变具有普适性，如今已应用广泛。本文以参数振荡器所组成的大型网络启发式求解随机伊辛模型。在被称为相干伊辛机器的网络中，待求解的模型被编码在振荡器的耦合中。该求解方法依赖于模态竞争引导网络收敛于伊辛模型基态解的假设。通过一系统无效伊辛模型的研究，本文得出最有效的模态通常不对应于伊辛模型的基态，并推断靠近阈值的参数振荡器网络本质上不能求解伊辛模型。而当振荡器足够远离阈值，为非线性所主导时，网络可以找到正确的解。并且对于所有研究过的模型实例，网络以有限的几率收敛于伊辛模型基态。
底层数值模拟的分组方案。该谐振腔组成部位为：一个以信号和泵场为输入的参数放大器（PA），两个将谐振腔与耦合装置连接的耦合器(CC)，一个从谐振腔中提取部分信号并将其发送到测量设备的输出耦合器（OC）。
期刊来源：Science Advances
Intermittent inverse-square Lévy walks are optimal for finding targets of all sizes
https://advances.sciencemag.org/content/7/15/eabe8211
列维飞行或列维游走，是服从幂律分布的随机游走过程，是生物有机体运动的普遍模式：浅海捕食者寻找鱼群、信天翁在海面觅食、蜜蜂寻找花朵、果蝇探索地形、细菌寻找食物浓度，甚至是眼睛扫视环境。许多研究致力于在科学上确定这种模式对于觅食和适应环境是有利的。但目前从数学上尚且难以直接证明列维飞行在任何情况下都是最优策略。
4月9日的一篇Science Advances论文，证明了在有限的二维地形中，平方反比的列维飞行策略在寻找任意大小与形状的稀疏目标时是非常有效的。在间歇性探测目标的模式下，平方反比列维飞行策略仍然高效。并且，任何其他间歇性的列维飞行模式都不能有效地找到目标。这些研究结果为列维飞行最优觅食假说提供了新的线索，有望启发未来的列维飞行动物实验。
期刊来源：Nature
People systematically overlook subtractive changes
https://www.nature.com/articles/s41586-021-03380-y
对事物的优化首先需要在脑海中搜索其状态空间，无论是设计师对技术的改进，作家对论点的强化，还是管理者对期望行为的鼓励，第一步总是寻找可变之处。
4月7日发表在Nature上的一篇论文研究了当人们在进行优化时，是否会像考虑增加新组分一样，而考虑减少原有成分这样的减法变化。研究结果显示，人们系统性地默认搜索加法变化，而忽视了减法变化。在进行的 8 组实验中，当被试未被提醒（与对其提醒相比）考虑减法变化时，仅有一次机会（与多次机会相比）识别加法策略的缺点时或处于较高的认知压力（与较低的认知压力相比）下，他们更难以识别有利的减法变化。人们默认选择加法变化或许是为了缓解过于紧张的工作安排，制度上的繁杂程序以及对于星球的破坏。
在被试参与的实验中，一个玩具人物（由于版权原因，图像被移除）位于白纸标记的位置上。被试需要稳定乐高结构的顶部平台，使得它可以支撑置于玩具人物头顶的砖块。被试可以选择增加新的积木以加固位于角落的支撑，或者移除位于角落的支撑使平台置于下一层。若玩具人物能成功制成砖块，被试可获取1美元奖励，但增加乐高积木需要花钱。无疑性价比最高的解决办法是移除角落的支撑。被试被随机分配到两组实验中，一组明确说明“移除支撑是免费的”（提示条件），另一组未提到移除（控制条件）。
期刊来源：Science
The primitive brain of early
https://science.sciencemag.org/content/372/6538/165
现代人类的大脑，在大小、形状和皮层组织上都与类人猿有所不同，尤其是在额叶等涉及复杂认知任务（社会性、工具、语言等）的区域。而关于前额叶和类额叶结构的进化时间与进化模式，目前尚无公认答案。4月9日发表在Science的一篇论文，研究者通过骨骼化石等研究了非洲与西亚早期人类大脑，探索了前额叶组织等高级结构的起源时间。该研究对于语言生理结构的起源提供了新证据，对于人属的谱系分类研究也有价值。
研究显示，人属最早的成员就具备了原始的额叶组织。该研究支持的假设：第一批从非洲迁移出的人类，最早在2.1百万年前，保留了原始的额也组织，而在1.5百万年内发生了第二次扩散，之后的非洲出现了衍生的额叶形态。而非洲以外早期人类种族的大脑演化，还需要更多化石和考古证据。
期刊来源：Nature Human Behaviour
Fresh teams are associated with original and multidisciplinary research
https://www.nature.com/articles/s41562-021-01084-
团队合作是现代科学最突出带特典之一。大量科学学研究表明，团队规模是影响团队创造力的重要因素，科研团队规模也在最近十几年里显著增加。但研究质量与团队分工组合、新旧程度之间的关系尚未完全被完全揭示。
4月5日发表在Nature Human Behaviour的一篇论文，通过考察是否有研究人员以前曾一起写过论文，以及团队成员的职业阶段和产出效率，建立指标刻画了文章作者团队的“新鲜度”。同时研究作者还分析了团队论文的原创性和对不同领域工作的影响。所谓团队新鲜（fresh），即团队成员之间此前没有合作关系（合作网络新），或者团队某些成员年龄较小、资历较浅（职业生涯新）。
研究者基于1893-2020年间、包含482566篇论文的数据库，发现了显著的结果：新鲜团队创造了更多的原创工作和多学科研究，并且新鲜团队和老团队之间的差异，在大规模合作团队中会被放大。该研究增进了对团队与创新之间关系的认识，对科研合作与管理有启发意义。
期刊来源：Nature Communications
Climatic Conditions are Weak Predictors of Asylum Migration
https://www.nature.com/articles/s41467-021-22255-4#auth-Jonas-Vestby
面对衰落的家园，受此影响的难民往往要选择迁徙到其他地区定居，而难民迁移安置也会牵动各方的神经。造成难民迁徙的原因往往会被归结为政治和气候。不过目前的对这些潜在原因的重要性研究并不充足。来自挪威奥斯陆和平研究所（Peace Research Institute Oslo）的Sebastian Schutte、Jonas Vestby、Jørgen Carling 和 Halvard Buhaug 就对这一问题给出了他们的方案。研究成果于 2021 年 4 月 6 日发表在 Nature Communications 上。
根据该研究中的机器学习模型预测结果判断，干旱等气候异常因素并不是难民迁徙的主要原因。而政治影响与社会动荡才是影响难民潮的主要因素。这一发现对干旱引发欧洲难民潮的判断进行了反驳。该研究也表明，邻近有无安全投靠点、难民接收政策和社交网络信息都会对难民的迁徙带来影响。
集智新栏目Complexity Express 上线啦！
Complex World, Simple Rules.
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 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。
-
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：
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
-
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）。
更多复杂性顶刊论文，请到Complexity Express页面查看。订阅即可每周获取更新提醒。
点击“阅读原文”，追踪复杂科学顶刊论文
