将关联网络中将直接关系从间接关系中解耦 | 复杂性科学顶刊精选8篇
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
1. 将关联网络中将直接关系从间接关系中解耦
2. 层次化深层强化学习揭示了细胞移动的模块化机制
3. 结合神经形态计算的类脑全局-局部学习
4. 网格细胞中群体活动的环形拓扑
5. 具有高效长期记忆的量子自适应主体
6. 以量子方法分析湍流结构
7. 纤毛运动模式映射到低维度的行为空间
8. 科研中的交叉不平等
1.关联网络中
将直接关系中从间接关系中解耦
论文题目:Disentangling direct from indirect relationships in association networks
期刊来源:PNAS 论文地址:https://www.pnas.org/content/119/2/e2109995119
图1.iDIRECT框架如图所示。(A)表示一个包括直接关联(蓝色)和间接关联(红色)的关联网络。间接关联包括虚假连接(实线)和高估的直接连接(虚线)。(B)表示iDIRECT框架使用基于耦合的加法组合通过不同连接相连的两个节点,节点之间的交互强度在[0,1]的范围内。(C)表示iDIRECT框架引入了传递性矩阵Ti,kj(除了通过节点i的节点k和j之间的连接),使用Ti,kj计算节点i和j之间的直接关联强度,计算过程排除了像i-k-i-j一样的伪自循环路径。(D)表示iDIRECT框架利用非线性求解器直接获取各环节的关联强度,不逆向求病态关联矩阵。(E)展示了iDIRECT框架的整体工作流程。
2.层次化深层强化学习
揭示细胞移动的模块化机制
论文题目:Hierarchical deep reinforcement learning reveals a modular mechanism of cell movement 期刊来源:Nature Machine Intelligence 论文地址:https://www.nature.com/articles/s42256-021-00431-x
3.结合神经形态计算的
类脑全局-局部学习
论文题目:Brain-inspired global-local learning incorporated with neuromorphic computing 期刊来源:Nature Communications 论文地址:https://www.nature.com/articles/s41467-021-27653-2
4.网格细胞中群体活动的环形拓扑
论文题目:Toroidal topology of population activity in grid cells 期刊来源:Nature 论文题目:https://www.nature.com/articles/s41586-021-04268-7
5.具有高效长期记忆的
量子自适应主体
论文题目:Quantum Adaptive Agents with Efficient Long-Term Memories 期刊来源:Physical Review X 论文地址:https://journals.aps.org/prx/abstract/10.1103/PhysRevX.12.011007
图1. 主体及其量子实现。(a)主体交替接收输入刺激和执行输出动作。为了执行复杂的行为,主体需要记忆来追踪过去事件(刺激和动作)的相关信息,还需要基于这些信息和当前刺激决定未来行动的一套策略。(b)量子回路实现的一种量子主体包含所有记忆最小化的经典主体。
6.以量子方法分析湍流结构
论文题目:A quantum-inspired approach to exploit turbulence structures 期刊来源:Nature Computational Science 论文地址:https://www.nature.com/articles/s43588-021-00181-1
7.纤毛运动模式
映射到低维度的行为空间
论文题目:Ciliary beating patterns map onto a low-dimensional behavioural space 期刊来源:Nature Physics 论文地址:https://www.nature.com/articles/s41567-021-01446-2
8.科研中的交叉不平等
论文题目:Intersectional inequalities in science 期刊来源:PNAS 论文地址:https://www.pnas.org/content/119/2/e2113067119
图1. 按领域划分,不同种族、性别的作者的学术影响及其分布情况。
关于Complexity Express
Complex World, Simple Rules. 复杂世界,简单规则。
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,汇总复杂系统相关的最新顶刊论文。
Complexity Express 是什么?
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 论文从哪里来?
-
Nature
-
Science
-
PNAS
-
Nature Communications
-
Science Advances
-
Physics Reports
-
Physics Review Letters
-
Physics Review X
-
Nature Physics
-
Nature Human Behaviour
-
Nature Machine Intelligence
-
Review of Modern Physics -
Nature Review Physics -
Nature Computational Science -
National Science Review -
更多期刊持续增补中,欢迎推荐你认为重要的期刊!
Complexity Express 追踪哪些领域?
-
复杂系统基本理论 -
复杂网络方法及应用 -
图网络与深度学习 -
计算机建模与仿真 -
统计物理与复杂系统 -
量子计算与量子信息 -
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 -
城市科学与人类行为 -
科学学 -
计算流行病学 -
以及一些领域小众,但有趣的工作
更多论文
点击“阅读原文”,追踪复杂科学顶刊论文