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11月22日-11月28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：

1、基于网络的气候现象预测

2、人脑中的细致平衡打破与熵产生

3、引导生态进化动力学以改善微生物群落的人工选择

4、经济博弈可以用来促进田野中的合作

5、超图上群体选择困境的进化博弈模型

6、互信息从不断变化的环境中解耦出相互作用

7、基于物理学信息的神经网络的整数和分数阶流行病模型的可识别性和可预测性

1. 基于网络的气候现象预测

期刊来源：PNAS

论文题目：

Network-based forecasting of climate phenomena

论文地址：

https://www.pnas.org/content/118/47/e1922872118 

从复杂系统科学中兴起的网络理论在生命、社会等系统的描绘与建模中扮演了越发重要的作用，而现在，其可以为缓解全球变暖危机和其他气候挑战提供重要的预测能力。

图1. 作为预测工具的气候网络框架。地球上大量的气候观测站用于测量地球系统的原始数据，而这些数据多呈现为时间序列的形式，对这些序列进行连通性的分析可以确认不同观测点之间的关联性来刻画网络连边，从而通过后续气候网络分析反过来建模地球网络系统。

11月23日发表于PNAS的研究讨论了网络方法与经典数值建模方法用于气候现象预测的主要区别，并强调了网络方法显著改善了高影响气候现象预测的几种情况：1) 厄尔尼诺现象，2) 亚马逊中部的干旱，3) 中安第斯山脉东部的极端降雨，4) 印度夏季风，和 5) 影响欧亚大陆北部冬季寒冷天气发生的极端平流层极涡状态。

该研究表明，基于网络的方法可以有益地补充传统数值建模在气候现象预测方面的不足。 

2. 人脑中的细致平衡打破与熵产生

期刊来源：PNAS

论文题目：

Broken detailed balance and entropy production in the human brain

论文地址：

https://www.pnas.org/content/118/47/e2109889118

 

支持生命的功能，从处理信息到产生力量和维持秩序，要求生物体打破细致平衡，消耗能量并产生熵。对于遵循细致平衡的系统，不同状态之间的转换通量消失，系统不再产生熵，它的动力学在一定时间内变成可逆的。相比之下，生命系统表现出状态之间的净通量或配置，从而打破细致平衡，建立一个时间之箭。在分子尺度上，代谢和酶活性驱动非平衡过程，这些过程对细胞内运输、高保真转录和生化模式至关重要。

研究人员首先通过视觉检查神经动力学是否打破了细致平衡。为了使动力学形象化，研究人员将时间序列投影到二维空间上，例如，他们将神经动力学投射到时间序列数据的前两个主成分上，并在合并所有受试者的所有数据点后进行计算。随后研究人员可以通过计算状态空间不同区域之间过渡的净通量来探究被打破的细致平衡。

图1. 大脑的细致平衡破坏之后

虽然大脑的熵产生似乎随着身体和认知的消耗而增加，但这些结果并不排除其他与任务和刺激相关的因素可能会破坏细致平衡。具体来说，研究人员可能会通过施加外部节奏，如重复的任务阻滞或振荡刺激，来使大脑远离细致平衡。此外，考虑到系统中精细尺度的不对称性可能导致细致平衡的大规模破坏，未来的研究应该考虑大脑中被破坏的细致平衡与大脑区域之间结构和功能连接的不对称性之间的关系。考虑到在分子和细胞尺度上的细致平衡和能量消耗之间的密切关系，研究人员下一步将考虑大脑中的熵产生是否与神经代谢的增加有关。

3. 引导生态进化动力学

以改善微生物群落的人工选择

期刊来源：Nature Communications

论文题目：

Steering ecological-evolutionary dynamics to improve artificial selection of microbial communities

论文地址：

https://www.nature.com/articles/s41467-021-26647-

多物种微生物群落通常表现出群体才具有的功能，这是任何一个成员物种单独无法达到的。例如，在不含硫酸盐的情况下，一个普通脱硫弧菌和马里帕路甲烷球菌的群落（但非单独的两个物种）会将乳酸转化为甲烷。科研人员已经尝试诱变群落中的成员物种，以不同的比例将它们组合起来，筛选以实现较高的群落功能。然而，这需要组成群落的物种可以共生，同时组合的数量随着物种和基因型的数量迅速增加。此外，这种聚集的群落可能很容易受到生态入侵的影响。

群落功能可以通过人工选择定向进化。在每个选择周期中，研究人员设定一定的生长空间，聚集的新生群体成长为成熟群落。在该过程中，群落成员可以增殖和突变。当周期结束时，效果最好的群落组合被留下来进行下一步实验。即使在不了解内在机制的情况下，也可以通过群落的组合来改善目的群落功能，如对抗病原体、生产药物或降解废物。

图1. 人工群落选择

在这个群落中，两个物种通过共生生态交互作用共存，并且两个物种都是群落功能所必需的。在我们的系统中，物种组成是不可遗传的：在群落成熟过程中，由于共生生态交互作用引起的“吸引子” (稳态物种组成)，新生物种组成的变化被迅速抑制。相反，基因型组成是可遗传的。我们设想“群落功能景观”，将群落功能与其遗传和非遗传决定因素联系起来，类似于将个体的表现型与其遗传和环境决定因素联系起来。我们发现，稳定状态的物种组成限制了景观中进化群落的路径。这种限制会产生反直觉的进化动力，阻碍群落功能最大化的实现。重要的是，稳态物种组成附近的局部景观几何结构指示群落功能遗传力，这一观点类似于表型景观指示个体性状遗传力。当群落被困在低遗传力景观区域时，群落功能在选择下不会得到改善或只是缓慢改善。在这些观察的启发下，我们设计了微扰策略，以提高群落功能的遗传力，从而提高群落功能的改善率，即使当群落功能景观是高维的，无法可视化。

4. 经济博弈

可以用来促进田野中的合作

期刊来源：PNAS

论文题目：

Economic games can be used to promote cooperation in the field

论文地址：

https://www.pnas.org/content/118/47/e2026046118

 

现实生活中的合作行为是博弈论在内多个学科的研究热点。其中，与非亲属合作是人类生活中独有的行为模式，这种合作由条件行为规范所维持，而其中的规范具有公认的定义，即关于个人在特定情况下应该如何行事的共同观点。如果我们想要在迄今为止尚不存在的背景下促进和维持合作，可能需要消除对他人行为和信念的不准确信念，即克服多元无知。

11月23日发表在PNAS的文章中，研究者通过实验评估了经济博弈框架对现实生活合作的影响，并提供了博弈所产生这类影响的实验证据。研究人员在减少啮齿动物对大米伤害的背景下构建了该博弈：该博弈被设计为一种害虫管理活动。游戏以一种简化的方式模拟了这个协调问题。玩家必须通过决定将多少时间分配给大米的生产来决定是否为减少害虫压力做出贡献，而回报率也取决于作为一个整体，该组内的多少时间会分配给控制啮齿动物。在对称均衡的基础上，收益表给出了两个纳什均衡，当每个人为鼠类控制贡献一个时间单位时，达到全局最优。因此，收益矩阵与参与诸如集体狩猎啮齿动物之类的任务的决定平行。

图1：学习他人合作的意愿强度是游戏中他人贡献程度的非线性函数。

实验结果显示，博弈改变了田间行为，增加了对这种害虫的协同控制，并显著减少了损失。这种效果是由了解其他人合作意愿所驱动的。这些活动的经济影响很重要。同时，与对照组相比，实验组中的损失大致降低约 20%。合作的增加反映了游戏参与者对他人合作意愿的理解发生了变化，而不是对潜在技术相互依存关系的理解发生了变化。

5. 超图上群体选择困境的

进化博弈模型

期刊来源：Physical Review Letters

论文题目：

Evolutionary game model of group choice dilemmas on hypergraphs

论文地址：

https://journals.aps.org/prl/accepted/b807aY00Q7f12a8803c79e6236a85b9c758502e66

 

在数学中, 超图是一种广义上的图，是有限集合中最一般的离散结构，在信息科学、生命科学等领域有着广泛的应用。它的一条边可以连接任意数量的顶点。相对而言，在普通图中，一条边只能连接两个顶点。

在本文中，研究人员介绍了一个关于超图的进化游戏，在这个游戏中，不同规模的社会群体将会在风险选择和安全选择之间做出决定。该模型自然地再现了选择的转变，即决策者的个人偏好和群体一致选择之间的差异，这种转变已在选择困境中被经验观察到。具体而言，该模型可以看作是反协调成对博弈的高阶交互的泛化，例如鸡的博弈，其中决策者被组织成不同大小的组，每个决策者都可以参与可变数量的组。通过这种方式，博弈动力学同时描述了信息如何根据随机模仿过程传播，以及群体成员如何聚合信息以确定群体策略。特别是，当动力学发生在异构超图上时，会发生从纳什均衡到风险策略的偏差。

图1. 简单多数下的群体极化(a)，(b)以及三分之二多数方案(c)，(d)

在论文中，研究者展示了他们的模型中自然出现的群体选择转变，解释了它们如何依赖于偏好聚合的机制和超图的结构。特别是，当在异质结构的人群中应用该模型时，该模型预测了非理性从众行为的自发出现朝着风险更高的策略，其中采用策略后平均效用崩溃。这些结果可以解释社会群体中非理性和激进行为的出现。

6. 互信息从不断变化的环境中

解耦出相互作用

期刊来源：Physical Review Letters

论文题目：

Mutual Information Disentangles Interactions from Changing Environments

论文地址：

https://pattern.swarma.org/paper?id=118a17e0-4df4-11ec-b97f-0242ac170004

互信息是信息论中的一个重要概念，通俗来说就是一个随机变量中包含的另一个随机变量的信息量，也可以说是一个随机变量在另一个随机变量确定的情况下减少的不确定性。简而言之，互信息可被认为是两个随机变量间一种相关性的度量，在物理学、生命科学、神经科学、计算语言学等多个领域中均有广泛、重要应用。

11月22日在PRL发表的一篇文章表明，现实世界系统的特点是内部自由度的复杂相互作用，同时生活在不断变化且净效应表现为额外耦合的环境中。研究者在不断变化且不受观察的环境中引入了一个范式交互模型。结果表明，系统互信息的限制特性允许解开这两种耦合源。此外，该方法可能是从同样复杂的变化环境中区分复杂内部交互的通用方法。 

该研究有望增进领域对互信息在复杂系统中作用的理解，并促进相关应用产生。

7. 基于物理学信息的神经网络的

整数和分数阶流行病模型

的可识别性和可预测性

期刊来源：Nature Computational Science

论文题目：

Identifiability and predictability of integer- and fractional-order epidemiological models using physics-informed neural networks

论文地址：

https://www.nature.com/articles/s43588-021-00158-0

 

自从新冠病毒出现以来，众多研究者投身于对传染病模型的研究中，试图利用传染病模型分析、判断疫情发展的趋势和严重性。不过既有的模型会受到统计口径、环境变化、数据噪音等因素的影响，使得模型缺乏稳健型、无法对未来的不确定事件作出预估。为了解决的这一问题，来自布朗大学的 Ehsan Kharazmi、Min Cai、George Em Karniadakis  和其他来自布朗与普渡大学的研究者一同提出了新的流行病学预测模型——物理信息神经网络（PINNs）模型。这一研究 发表在 Nature Computational Science 杂志上。

研究者利用PINNs模型分析了多个流行病学模型，并且引入了更多的整数与分数阶参数来模拟经典的 SIR （Susceptible-Infectious-Removed）模型及其众多变体。研究者利用这个模型对新冠病毒在纽约、罗德岛、密西根等地的疫情传播作出了分析，研究这表示，他们提出的模型可以对未来的不确定性给出量化的估计。

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）。

更多论文

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