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2022年2月7日-2月13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. 用于性质预测的几何增强分子表征学习

2. 迈向多层次学习的进化理论

3. 进化热力学与生命起源

4. 海马神经组织代表一系列扩展的非空间事件之间的连续关系

5. 新皮层的层级时间尺度: 数学机制和生物学见解

6. 抗欺骗的微生物合作行为的时空动力学

7. 经验的社会三元统计可以用二元同源相互作用来解释

8. 高价值决策快速且准确，与价值敏感性降低不一致

9. 薪酬透明度对（性别）不公平、不平等和薪酬绩效基础的影响

1.用于性质预测的

几何增强分子表征学习

论文题目：Geometry-enhanced molecular representation learning for property prediction

期刊来源：Nature Machine Intelligence

论文地址：https://www.nature.com/articles/s42256-021-00438-4

有效的分子表征学习对于促进分子性质预测具有重要意义。最近，分子表征学习在通过图神经网络构建分子模型领域有了新的进展。此外，一些研究为分子表征设计了自监督的学习方法，以解决人工标记分子数据不足的问题。然而，自监督框架将分子视为拓扑图，并未充分利用分子几何信息。分子几何形状，也被称为分子的三维空间结构，对于确定分子性质至关重要。为此，我们提出了一种新的几何增强分子表征学习方法（Geometry-enhanced molecular representation learning，GEM）。为了学习分子几何知识，我们在GEM中专门设计了基于几何的图神经网络结构和几个针对性的几何级自监督学习策略。我们在不同的任务中对比了GEM和其他模型的效果，结果表明GEM的性能明显优于其他模型，证明了该模型的优越性。

图：GEM模型架构。（a）原子键图G中，连接原子的化学键为边。在键角图H中，连接两化学键及三个原子的键角为边。虚线箭头指出了两图间元素的关联。（b）几何级自监督学习任务的演示。黑色圆圈代表所选原子，G图中的灰色圆圈代表相邻的原子，G图中的灰线及H图中的灰色椭圆代表相邻的未知化学键，H图中的灰线代表相邻的未知键角。

2.迈向多层次学习的进化理论

论文题目：Toward a theory of evolution as multilevel learning

期刊来源：PNAS

论文地址：https://www.pnas.org/content/119/6/e2120037119

现代进化理论对生物进化种群中的微观进化过程给出了详细的定量描述，但是进化中的突变和多层次复杂性的涌现却知之甚少。该研究将学习理论应用于可物理重整化的系统，试图勾勒出一个包括生命起源作为多层次学习的生物进化理论。该研究提出七条进化的基本原则，这些原则对于观察宇宙是必要的和充分的，并且表明它们包含了生物进化的主要特征，包括复制和自然选择。

研究表明，这些生物学的基石现象来源于学习动力学的基本特征，如在学习过程中损失函数会最小化。然后作者们用神经网络的数学框架勾勒出进化论的轮廓，这为进化现象的详细分析提供了条件。为了证明所提出的理论框架的潜力，我们通过分析学习（反向传播）过程中的信息流和预测（正向传播）进化中的生物体对环境的影响，推导出一个广义的中心法则模型。更复杂的进化现象，例如进化中的主要转变（特别是生命起源） ，必须在热力学极限中进行分析。

该进化理论力求在统一数学框架内包含所有进化过程中的学习，在物理理论的重整化、进化的关键特征和学习动力学之间建立联系。根据这一理论，复制遗传物质和自然选择很容易出现在学习动力学和足够复杂的系统华，同样的学习现象会发生在多个层次或呈现不同的规模，近似于可重整化的物理理论。

3.进化热力学与生命起源

论文题目：Thermodynamics of evolution and the origin of life

期刊来源：PNAS

论文地址：https://www.pnas.org/content/119/6/e2120042119

通过结合经典热力学的形式化和对学习过程的统计描述，该研究概述了进化和生命起源的一个唯象理论。利用受损失函数最小化约束的最大熵原理，我们推导出生物体（种群）的正则系综、相应的配分函数（适应度的宏观对应物）和自由能（加和适应度的宏观对应物）。我们进一步将温度（进化温度）的生物学对应物定义为进化过程的随机性的度量，将化学势（进化势）定义为向进化系统中添加一个新的可训练变量（例如一个额外的基因）所需的进化功。然后，我们发展了一种现象学的方法来描述进化，其中包括将巨势（grand potential）模拟为进化温度和进化势的函数。我们证明这种唯象的方法可以用来研究进化的“理想突变”模型及其推广。最后，我们表明，在这个热力学框架内，进化中的主要突变，例如从一个分子集合到一个有机体集合的突然改变，也就是生命的起源，可以被模拟为一个真实的物理相变的特殊情况，这与一种新型巨正则系综的出现和相应的新描述水平有关。

4.海马神经组织代表一系列扩展的

非空间事件之间的连续关系

论文题目：Hippocampal ensembles represent sequential relationships among an extended sequence of nonspatial events

期刊来源：Nature Communications

论文地址：https://www.nature.com/articles/s41467-022-28057-6

海马体对我们经历时间的组织至关重要。尽管这一基本能力在不同形态和物种中都保存下来了，但其潜在的神经元机制仍不清楚。就像人类的日常生活一样，文章首先记录了在几秒钟之内大鼠记住一系列非空间时间时的海马活动。然后，使用统计机器学习的方法来分析海马体神经组织的活动，发现顺序组织和编码的形式对顺序记忆判断很重要。具体来说，海马体神经组织在整个非空间事件序列中不仅提供了显著的时间编码，还在事件中按顺序区分了不同类型的关键任务信息，并显示出了与 theta 相关的事件之间顺序关系的重新激活。同时，我们也证明了非空间事件是在单个 theta 循环内顺序组织，在连续循环中推进的。这些发现表明，海马体神经网络的基本功能是编码、保存和预测经验的顺序。

图：动物执行复杂的非空间序列记忆任务时海马区 CA1 的神经活动示意图。（a）展示了实验过程，用小鼠作为实验对象，气味刺激代表非空间事件。使用气味自动传递系统（左图），按照气味A-B-C-D-E的顺序，以五秒为时间间隔，重复对小鼠进行刺激，要求小鼠判断气味刺激是顺序（InSeq，例如A,B,C）还是无序（例如InSeq，A,B,D）进行的。如图右所示，在一个实验周期中，一半时间有序气味序列，一半时间使用无序气味序列，分别重复刺激小鼠。具体地，使用携带气味的鼻戳刺激小鼠的鼻子，在1.2s的时候会发出气味刺激结束的音调，若小鼠在此时间内保持鼻尖不动，表示识别出了InSeq，若收回鼻子，表示识别出了OutSeq。如果识别正确，小鼠可以喝到水，否则程序终止。（b）示例了一个气味刺激序列期间，假定的主要神经元和中间神经元的神经组织活动和 theta 震荡（带宽4-12Hz）。根据触发气味A的传递端口的峰值发射时间，可以区分出假定的主要神经元与中间神经元。

5.新皮层的层级时间尺度：

数学机制和生物学见解

论文题目：Hierarchical timescales in the neocortex: Mathematical mechanism and biological insights

期刊来源：PNAS

论文地址：https://www.pnas.org/content/119/6/e2110274119

新皮层的一个基本特征是沿皮层层次递增的空间感受区域。最近，理论和实验结果表明，时间反应窗口也逐渐扩大，因此早期感觉神经回路的工作时间较短，而高级关联区域能够在很长一段时间内整合信息。虽然接收区域的增加是由来自上游区域的神经元输入的空间总和来解释的，但时间尺度层次的出现无法轻易解释，尤其是考虑到现代连接体中已知的高密度皮层区域间连接。

图：猕猴多区域模型模拟的分层时间尺度现象。（A）输入到V1区的脉冲沿着层级传播，随着它的传播，显示出逐渐增加的衰减时间。（B）区域活动响应白噪声输入到V1的自相关。（C）所有区域的主要时间常数，通过将单指数或双指数拟合到自相关曲线来提取。在A-C中，区域按照解剖层次结构中的位置进行排列和着色。

为了揭示研究所需的神经生物学特性，研究人员对猕猴基于解剖学成果的大型皮层模型进行了严格分析。使用微扰方法，该文表明不同时间尺度的分离是根据连接矩阵的特征向量的定位来定义的，这取决于三个回路特性：1）突触激发的宏观梯度，2）兴奋和抑制性神经元群之间的不同电生理特性， 3） 每个区域间通路的长程兴奋性输入和局部抑制性输入之间的细致平衡。该文章的工作提供了对大规模灵长类动物皮层网络中时间尺度层级出现的机制的定量理解。

6.抗欺骗的微生物合作行为的

时空动力学

论文题目：Spatial-temporal dynamics of a microbial cooperative behavior resistant to cheating

期刊来源：Nature Communications

论文地址：https://www.nature.com/articles/s41467-022-28321-9

微生物之间的合作使微观群落能够在数量上获得优势并进一步影响其生存的宏观环境。这可以提供巨大的种群水平的生存优势。然而，如果合作性特征利用了原本用于增长的资源，则它们也可能会产生额外的生存成本。细菌群落内的微环境密度大、动态且竞争激烈。当这种合作特征给合作者带来成本时，微生物如何在激烈的竞争中持续存在？解哪些因素有利于微生物种群选择合作行为仍然是社会微生物学中一个悬而未决的问题。

我们对细菌行为的大部分理解源于对液体培养基的研究。然而，在自然界中，细菌经常生活在密集的空间结构群落中。空间结构如何影响细菌的合作行为？在这项工作中，研究人员研究了鼠李糖脂的产生行为。在这里，与充分混合的液体培养形成鲜明对比的是，空间结构菌落中的鼠李糖脂基因表达与菌落生长速率密切相关，并受到可扩散群体信号的扰动的影响。为了解释这些发现，本文构建了一个数据驱动的统计推断模型，该模型捕获了随着时间的推移而发展的细菌相互作用的长度尺度。最后，本文发现用群体信号对铜绿假单胞菌群的扰动保留了竞争中的合作基因型，而不是为作弊者创造机会。总体而言，数据表明，对空间定位的复杂反应是保持细菌合作行为的关键。

图：(a) 本研究中使用的液体和空间结构环境的示意图。(b) 液体培养中铜绿假单胞菌生长的光密度时间序列。[蓝色]没有外源群体信号的生物量增长。[紫色]生物量增长与外源quorum信号。(c) 由成像仪和定制软件生成的DsRed荧光时间序列描述P. aeruginosa在菌落形成单位（CFU）中的生长。[蓝色]没有外源quorum信号的生物量增长[紫色]添加外源quorum信号到平板培养基的生物量增长。[插图]显示48h菌落的样板。比例尺1厘米。(d) PrhlAB启动子活性与培养速率的关系。[蓝色]没有外源性仲裁信号[紫色]有外源性仲裁信号。(e) PrhlAB启动子活性与CFU生长速率的关系。[蓝色]没有外源性仲裁信号[紫色]有外源性仲裁信号提供在板介质。

7.经验的社会三元统计

可以用二元同源相互作用来解释

论文标题：Empirical social triad statistics can be explained with dyadic homophylic interactions

期刊来源：PNAS

论文地址：https://www.pnas.org/content/119/6/e2121103119

许多社会系统中显著的鲁棒性与底层社交网络中特殊的三角形结构有密切关系。三元组间彼此之间都有积极关系（如友谊）、拥有两组消极关系（如敌对）、一组积极关系的比例被明显高估，而拥有一组或三组消极关系的三元组结构占比被明显低估。近一个世纪以来，这些非常特殊（平衡）的三元组统计数据背后的机制仍然难以捉摸。该研究提出了一个简单的、现实的自适应网络模型。在这个模型中，智能体倾向于最小化由二元交互引起的社会紧张，智能体的状态及其符号边（积极或消极）都在动态更新。该模型的关键在于，智能体只需要网络中局部邻居的信息，而不需要（通常也不现实）更高阶网络信息来更新它们的关系和状态。研究者们将模型运用到一个由数千名玩家组成的、可以直接观察到三元组形成的大型多人在线游戏社交网络中，并在社交关系数据上检验该模型的质量。该模型不仅成功地预测了三元组类型的分布，而且还解释了对社会凝聚力至关重要的经验群体规模分布。最后研究讨论了模型背后相图的细节及其参数依赖关系，并评论了这些结果在多大程度上可能普遍适用于社会。

图：一个社会中状态和边更新的示意图。每个个体都有一个状态向量，其分量表示（二进制）对G = 5个不同关系的状态。红色和蓝色边分别表示积极和消极关系。问号表示i的邻居之间的未知关系。

8.高价值决策快速且准确，

与价值敏感性降低不一致

论文标题：High-value decisions are fast and accurate, inconsistent with diminishing value sensitivity

期刊来源：PNAS

论文地址：https://www.pnas.org/content/119/6/e2101508119

人们普遍认为，随着价值的增加，人们的选择于对价值变化不会那么敏感。例如，人们认为11美元和12美元之间的主观差异小于1美元和2美元之间的差异。这一观点与韦伯-费希纳定律（Weber-Fechner Law）的应用、对基于价值选择的分裂规范化（divisive normalization）以及对边际效用递减的心理学解释是一致的。根据经济学中的随机效用理论，主观差异越小，预测的准确率就越低。同时，在心理学的顺序抽样模型中，较小的主观差异也预示着较长的响应时间。研究者们认为基于这些模型，预测高价值选择之间的决策会更慢、更不准确。相比之下，一些人从规范性（normative grounds）的角度认为，在高价值选择之间做出决策应该不那么谨慎，而会更快、更不准确。

为此，该研究考虑了可辨别性和反应谨慎性，对三个不同领域的选择动态过程进行建模。与预测相反，研究主要观察高价值选项之间更快、更准确的决策（即更高的漂移率）。研究者还观察到，当参与者被告知即将到来的高价值决策时，他们会更加谨慎，而不是更随意。高价值选项的存在使得决策更容易，同时也会促使玩家付出更多努力去做出正确的决策。该项工作通过带有主观和客观价值的任务，排除了对这些结果的几种解释。研究结果对价值增加会降低可辨别性的概念提出了质疑。

图：每项研究的时间表。每个实验包括两个阶段，第一阶段包含李克特量表（研究1和2）或将颜色映射到程度值（研究3）。第二阶段包括每个版块开始时的提示，然后是一系列使用相同价值类别的物品进行的15个选择试验。

9.薪酬透明度对（性别）不公平

和薪酬绩效基础的影响

论文标题：The influence of pay transparency on （gender） inequity, inequality and the performance basis of pay

期刊来源：Nature Human Behaviour

论文地址：https://www.nature.com/articles/s41562-022-01288-9

近几十年来，人们越来越关注两种截然不同的收入模式：持续存在的收入不公平（pay inequity），特别是收入在性别方面的差异，以及收入不平等（pay inequality）的日益严重。收入透明度（Pay transparency）作为二者的一种补救措施得到了广泛关注。然而，我们对这一政策对各组织内部收入实践演变的系统性影响知之甚少。为了解决这一空白，该研究收集了一个整合1997-2017年期间约10万名美国学者的详细表现、人口统计和收入的数据集。然后，研究者利用工资透明度的交错冲击来探索这种变化如何重塑收入实践。研究发现，在美国学术界中，薪酬透明度对薪酬结构具有系统和可观的影响。收入透明度会显著提高收入的公平性和平等性，并大幅降低收入与个人衡量绩效之间的联系。

图：组织中的公平：按性别和透明度冲击分配市场工资剩余情况。

关于Complexity Express

Complex World, Simple Rules.

复杂世界，简单规则。

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，汇总复杂系统相关的最新顶刊论文。

 

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

• Physical Review Letters

• Physical 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！

 

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：

• 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

 

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