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：             

目录：

• 医学数字孪生的模块化计算框架

• 达尔文的进化论为现代人类进化理论埋下了伏笔

• 优秀科学的自然选择

• 从地方协议到全球协议的转变恰逢其时，加速了气候变化的缓解

• 白蚁无标度运动模式来源于社会交往和偏好依附

• 有监督大数据的降维

更新提醒：顶刊速递已支持论文图片速览

1. 医学数字孪生的模块化计算框架

期刊来源：PNAS

论文标题：

A modular computational framework for medical digital twins

论文网址：

https://www.pnas.org/content/118/20/e2024287118

数字孪生（digital twin）是指物理实体或过程所对应的实时数字化仿真，可用于工业产品的预防性维护。在医学上，数字孪生也有着广阔前景，通过对单个患者各类数据流的校准，计算机模型可以对疾病过程进行仿真，从而有效改善诊断、预防及个性化治疗的条件。但该范式在医学上的实现仍有许多技术和科学难题有待解决，其中最重要的问题是大量不同组分模型的有效集成，这在工业界也是一个尚未解决的问题。

5月18日发表于 PNAS 的一篇文章提出了一种枢纽-辐条式的数字孪生内部设计框架，规避了传统设计存在的依赖性问题。在传统框架中，各模块的依赖结构体现了各生物过程间的依赖关系，使得在不破坏系统的情况下对其进行修改或扩展难以实现。而该文章提出的用于模型仿真及集成的开源模块化软件平台，可实现分布式模型构建及集成，具备可拓展性，支持去中心化的、基于社区的模型构建过程。

2. 达尔文的进化论

为现代人类进化理论埋下了伏笔

期刊来源：Science

论文标题：Modern theories of human evolution foreshadowed by Darwin’s Descent of Man

论文网址：https://science.sciencemag.org/content/372/6544/eaba3776

查尔斯·达尔文（Charles Darwin）于1871年2月24日出版的《人的后裔》为人类起源和进化的科学研究奠定了基础。通过现代物种形成理论的眼光来看待人们对这些过程的理解上的进步。将此理论应用于特定案例需要一个人来识别和理解祖先的性质以及它所拥有的各种先前存在的适应和特征，这些特征允许或简化了物种形成过程、造成新生物种之间主要差异的进化力及其近亲，以及新物种及其进化史（例如遗传、形态、行为、空间和时间）的最显著适应特征。

现代研究表明，我们与类人猿具有许多相同的生理、形态、认知和心理特征，以及约96％的DNA。现在我们知道，自从我们与600万～800万年前的其他猿类的上一个共同祖先以来，人类进化遵循了其他物种的共同发展道路，即多样化成密切相关的物种，以及它们之间随后的杂交。自达尔文以来，人类与其他动物之间就提出了一系列不可逾越的鸿沟。他们专注于工具制作、文化学习和模仿、同理心、亲和与合作、计划和远见、情节记忆、元认知和心智理论。但是，来自神经生物学、遗传学、灵长类动物学和行为生物学的新见识只会强化达尔文的观点，即人类与高等动物之间的大多数差异是“程度而非种类”。让现代人与众不同的是，我们的祖先进化极大地增强了（和依赖）合作、社会学习和累积文化的能力，这些特征是达尔文已经强调的。通过合作，可以缓冲环境风险，降低成本，并通过“规模经济”获得新的资源和收益。学习和累积文化使有益创新在个人和团体之间积累和迅速传播。向他人学习和合作的增强能力成为一种通用工具，从而消除了发展特定生物器官以应对特定环境挑战的需要。这些人类特征可能是对更新世纪间千年和次千年尺度上高频气候变化的响应。一旦具备了累积文化和扩展合作的能力，随后的一系列进化变化就将成为可能，而且很可能是不可避免的。

学习手工技能的例子

社会面临挑战，包括气候变化、 各种类型的不平等、经济危机、政治、文化和宗教冲突，以及大流行。类似的挑战已经反复出现并在过去获得了不同的成功。使当前状况与众不同的不仅是社会威胁的规模，而且现代科学可以就如何应对这些威胁提供指导。要充分应对这些挑战，就需要了解人类的社会行为以及合作、社会学习和文化在人类决策中的作用。进化论观点已经在帮助综合社会科学的贡献，包括人类学、心理学、经济学、政治学和历史。在未来，它还将发挥更广阔的作用。

3. 优秀科学的自然选择

期刊来源：Nature Human Behaviour

论文标题：

The natural selection of good science

论文网址：

https://www.nature.com/articles/s41562-021-01111-x

一些领域的科学家担心许多发表的结果都是假的。假阳性（false positives），从字面可知是不准确不真实的。在医学方面，假阳性是指实际上并没有病患症状，而测试结果却出现错误。在科研上，假阳性指研究指出在统计上存在显著意义，但实际上经不起推敲。

近日，发表在 Nature Human Behaviour 上的一篇文章指出，纵使研究者们知道选择假阳性科研会受到惩罚，但这是迫于发表论文压力的必然结果。如果有足够基础支持理论，该研究对在实验室科研文化的演变进行了建模，让它们能够在真实实验操作之前，就能以一定的代价识别出更有可能正确的假设。仅仅是在两组假设之间进行选择的能力，如果其中一组有更大的先验正确机会，就能促进更好的科学，而不是看似毫不费力地获得一组更强的假设。将理论与复现相结合可以产生协同效应。最后，研究提出了四个简单的建议，以促进良好的科学，分别是：（1）将资源投入到建立一个健全的理论框架中；（2）复现，但不依赖复现；（3）更好的方法可以弥补平庸的理论；（4）糟糕的科学总是一种危险。

上图为改进科学研究的方法

4.从地方协议到全球协议的转变

恰逢其时，加速了气候变化的缓解

期刊来源：Nature Communications

论文标题：

A well-timed shift from local to global agreements accelerates climate change mitigation

论文地址：

https://www.nature.com/articles/s41467-021-23056-5

当减缓气候变化的承诺成本很高且初期无成效时，最近在减缓气候变化方面的合作尝试凸显了大规模谈判的有限效力的重要性。深化现有的自愿缓解承诺可能需要更严格的，具有法律约束力的协议，而这些协议目前在全球范围内仍然站不住脚。模块化方法通过将协议本地化到地区或少数国家峰会而有望取得更大的成功，但可能会减缓全球缓解措施的采用进度。在此，我们表明，与仅同时使用本地，仅全球协议或同时使用这两种协议类型相比，及时地从本地到全球具有法律约束力的协议的政策转移可以显著加速缓解措施。这突出表明了缓解激励措施在特定规模上的作用：地方协议促进和维持早期采用群体的缓解承诺，此后，全球协议迅速吸引后期采用群体。我们得出结论，将谈判的重点放在当地具有法律约束力的协议上，并且随着这些协议的普及，重新追求严格的、具有法律约束力的世界范围的协议可以最好地克服当前缓解气候变化所面临的许多挑战。

鉴于特定规模的机制，通过从本地协议到全球协议的及时转换，可以最好地实现缓解。

缓解措施十分普遍（阈值）时，在十个重复模型中，全系统减缓气候变化比例的时间序列，红色部分仅使用全球协议，灰色区域表示仅使用本地协议或从本地协议转换为全球协议（ T = 0.4）。 在单个模型中，缓解方案在区域1到L（y轴）和时间（x轴）中从0（红色）到100％（蓝色）的比例采用三种方法（i–iii）运行。与全球协议（b.iii）不同，地方协议对于在早期采用的地区（例如b.ii中的区域3）将减缓作为规范作为关键；一旦达成共识，全球协议就会将缓解措施分散到各个地区（b.i，虚线表示在T时转向全球）。这些模拟对各个参与者的排放量均等化，因此缓解比例等于采用严格缓解策略的所有参与者的比例。请注意，仅对于全球协议，缓解者比例永远不会达到制定协议所需的法定人数pT = 0.5，并且从未批准非缓解者。模拟显示八个地区各有18个参与者，区域间没有竞争或规模经济。补充图1中列出的所有其他参数值。

5. 白蚁无标度运动模式来源于

社会交往和偏好依附

期刊来源：PNAS

论文标题：

Scale-free movement patterns in termites emerge from social interactions and preferential attachments

论文网址：

https://www.pnas.org/content/118/20/e2004369118

为了寻找食物或和其他生物互动，或仅仅在培养皿中漫步时，白蚁都会进行微小的移动，其间穿插着一些步幅较大的移动。这种行为现象称为Lévy运动（Lévy walk），是动物中普遍存在的一种运动模式。关于这种模式在什么程度上可以被环境改变的研究尚少。近日发表在 PNAS 上的一篇文章证明了Lévy运动产生于集体行动，Lévy个体行走的幂律指数数值随着群体中个体密度的改变而改变，当个体与惰性障碍相互作用时即会消失。此外，研究数据强烈表明，偏好依附和与有限数量的熟人的互动是这些群居昆虫产生Lévy运动模式的原因。

6. 有监督大数据的降维

期刊来源：Nature Communication 

论文题目：

Supervised dimensionality reduction for big data

论文地址：

https://www.nature.com/articles/s41467-021-23102-2

在处理机器学习问题时我们往往希望能够从样本中获得足够多的维度的特征，在按照我们自己的需求进行分析降维。然而，对于生物医学领域的研究者而言，维度往往是一种灾难。在该领域中研究者为了能获取到相关的信息，通常要从样本中提取数百万甚至上亿个纬度的特征。而样本本身的数量却要比维度少几个数量级。因此寻求一种有效的降维方法就成为了该领域的一个重要课题。来自美国约翰·霍普金斯大学大学的研究者就对这一问题给出了他们的解决方案。并将该研究成果发表在 2021 年 5 月 17 日的 Nature Communication 上。

研究者采用了将类条件矩估计引入低维投影的方法来扩展主成分分析。该方法的最简单模型被称为线性最优低阶投影。研究者利用合成与真实的数据对这一方法进行了测试。测试表明该方法可以改善分类模型的数据表示，同时也能保持计算效率和可扩展性。

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）。

       

点击“阅读原文”，追踪复杂科学顶刊论文