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21日-2月27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、时变网络的同步动力学

2、量子场论中的逆重整化群

3、单个神经元细胞中短暂的局部相变

4、可解释的可视化网络制图

5、稳定学习在因果推断和机器学习之间建立一些共同基础

6、基于深度学习的单细胞 ATAC-seq 数据同时降维和集成

7、婴儿时期的视觉对象分类

8、现代和古代基因组的统一谱系

9、动态社交距离下新冠病毒疫苗抗性的演变


1.时变网络的同步动力学


论文题目：The synchronized dynamics of time-varying networks

期刊来源：Physics Reports

论文地址：https://www.sciencedirect.com/science/article/abs/pii/S0370157321004166


在过去的二十年中，复杂网络理论提供了一个理想的框架来研究拓扑性质之间的密切关系，这些拓扑性质表征了系统单一组分之间的连接线路及其涌现的同步功能。现实世界中，越来越多的系统找到了用网络表示的方法，越来越多的复杂方法也被开发出来，对正在研究的连接模式提供现实的描述。特别是对于物理学、生物学和社会科学中的许多系统而言，其组分间的相互作用具有时变性。我们在此全面回顾现有研究中关于时变网络同步涌现的主要成果。特别地，我们将详细描述两个框架。第一个框架中，系统节点连接的时间依赖性源于适应、外力或任何其他影响网络中连接的过程。第二个框架中，网络结构的演化源于物理空间中节点或主体的移动，以及相互作用可能受空间定律支配这一事实，在这种相互作用下，连接不断被切断和重连。最后，我们简要讨论了尚未解决的问题和可能的研究方向。



2.量子场论中的逆重整化群



论文题目：Inverse Renormalization Group in Quantum Field Theory

期刊来源：Physical Review Letters

论文地址：https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.128.081603


我们在量子场论的背景下提出逆重整化群变换，可以产生适当的临界不动点结构，在参数空间产生逆重整化流，并在与临界有关的计算中规避临界慢化效应。对于大小为 V=82 的二维 ϕ4 标量场理论的构形，我们应用逆变换得到大小为 V’ =5122 的重新标度系统，并利用这些标度系统提取两个临界指数。最后，我们讨论了该方法如何普遍适用于任何从统计系综中成功生成构型的方法，以及它如何能对重整化群的结构提供新见解。


图：逆重整化群示意图。应用逆变换，给每个维度的大小 L 不断乘以 b，从而避免了临界慢化效应。



3.单个神经元细胞中短暂的局部相变


论文地址：Sharp, localized phase transitions in single neuronal cells

期刊来源：PNAS

论文地址：https://www.pnas.org/content/119/8/e2117521119


细胞内非线性反应的出现，被认为是各种细胞功能的关键，包括神经信号的传播。在物理学中，非线性行为往往起源于相变。材料中的相变伴随着其性质的剧烈变化，比如系统突然变得更软，更具传导性，有更好的热存储，或能更有效地支持化学反应。由于转变是在外部条件（张力、温度、 pH 值、钙）的微小变化下发生，它们就像一个开关。然而，到目前为止，还没有证据支持单细胞水平上相变现象的存在，这使得对细胞内非线性反应的研究没有受到生物界的重视。


该研究提供实验证据证明，人类神经细胞系的单个细胞在其细胞膜上展现了尖锐的、高度非线性的相变所具有的所有光学特征。这种转变是可逆的，并不起源于蛋白质变性。用热力学方法可得出结论，这样的反应可以由温度以及（如酶产生的）pH 值变化触发，但其它变量如钙或机械应力也可以引起类似的非线性状态变化。至少在脂质膜中，这种状态的转变伴随着渗透性、酶活性、弹性和电学性质的显著变化。研究结果有力地支持了一个观点，即相变可能是生命系统控制其功能，甚至是特定功能的工具。



4.可解释的可视化网络制图


论文地址：Network cartographs for interpretable visualizations
期刊来源：Nature Computational Science
论文地址：https://www.nature.com/articles/s43588-022-00199-z

网络为复杂系统提供了直观的视觉表现。 重要的网络特征往往可以通过眼睛识别，反过来，视觉上突出的模式往往存在着有意义的解释。然而，在传统的网络布局算法中，一个节点在布局中位置的确切决定因素往往很难被破译和控制。在此，我们提出了一种将任意的结构或功能网络特征直接编码为节点位置的方法。我们介绍了一系列二维和三维的网络布局，对模型网络的效率进行了评估，并展示了它们在阐释大规模生物网络的结构与功能关系方面的能力。

图：可解释的网络可视化。流程总览（图a）：使用降维方法将反映任何需要视觉表现的网络特征的节点相似性矩阵嵌入到二维或三维几何中。由此产生的四个网络可视化图（图b）：2D和3D网络使用直接降维输出，3D的地形图和测地图分别包含一个额外的Z坐标或径向变量。用于测试的基线网络模型（图c）：Kelley树，立方体网络和环形网络。其中，全局布局（图d）概括了预期的全局形状；局部布局（图e）强调节点对之间的相似连接模式；重要性布局（图f）聚类了具有相似结构重要性的节点。



5.稳定学习在因果推断

和机器学习之间建立一些共同基础


论文题目：Stable learning establishes some common ground between causal inference and machine learning
期刊来源：Nature Machine Intelligence
论文地址：https://www.nature.com/articles/s42256-022-00445-z

因果推理最近吸引了机器学习和人工智能社区的大量关注。它通常被定位为一个独特的研究分支，可以拓宽机器学习的研究领域：从预测建模到干预和决策。从这个角度来看，我们认为，如果预测的稳定性、可解释性和公平性很重要，那么来自因果推断的思想也可以用于改善机器学习的核心主题，即预测建模。为了缩小因果推理中精确建模的能力和机器学习黑盒之间的差距，我们提出了稳定学习，并将其打造为机器学习和因果推断的共同点。这种观点理清了机器学习模型的风险来源，并讨论了将因果关系引入机器学习的好处。我们确定了稳定学习能解决的基本问题，以及从因果推理和机器学习的最新进展。最后，我们讨论了与可解释性和公平性问题的关系。


6.基于深度学习的单细胞ATAC-seq

数据同时降维和集成


论文题目：Simultaneous dimensionality reduction and integration for single-cell ATAC-seq data using deep learning
期刊来源：Nature Machine Intelligence
论文地址：https://www.nature.com/articles/s42256-022-00443-1

单细胞技术的进步使得可以对数以万计的单细胞进行染色体的常规查询，以前所未有的分辨率阐明了基因调控过程。同时，由此产生的海量数据、稀疏数据和高维数据对其计算分析方法提出了挑战，特别是对不同来源数据的集成。该研究开发了一个专门的计算方法：一种变分自编码器（variational auto-encoder），它使用为单细胞 ATAC-seq （转座酶可及染色质的高通量测序分析）数据特别设计的噪声模型，有利于通过对抗性学习策略同时进行降维和批次校正。研究者展示了它在单个真实和模拟数据集上对细胞类型的精细判定，以及在整合多个复杂数据集方面具有的优势。

图：基于批量-对抗训练策略进行数据整合的变分自编码器。



7.婴儿时期的视觉对象分类


论文题目：Visual object categorization in infancy
期刊来源：PNAS
论文地址：https://www.pnas.org/content/119/8/e2105866119

人类通过将事物分类来理解世界。这个过程何时以及如何开始？我们调查了几个月大的婴儿视觉皮层中对象的分类是否与真实世界中的对象分类相匹配。通过眼动追踪，我们测量了 4 个月、10 个月和 19 个月大的儿童对8对图像（包括人类与非人类的图像，面部与身体的图像，真实世界的宏观与微观图像，以及自然与人造的图像之间的组合）的注视时间，对于每个年龄组，将婴儿的注视时间作为相似性的衡量标准。我们定义了一个表征空间，其中每个对象都被定义为与其他相同或不同类别的对象相关，并将该空间与成人视觉皮层中基于假设和功能性 MRI 的视觉对象分类模型进行比较。对不同年龄组的分析表明，随着婴儿年龄增长，他们对图片的注视行为与成人视觉皮层中越来越大比例的神经表征相匹配，这表明分布在视觉皮层上的越来越多的表征空间逐渐整合。此外，研究结果将婴儿的视觉分类描述为两个具有里程碑的增量过程。在 4-10 个月之间，由显著性引导的视觉探索逐渐让位于根据生命-非生命区分的组织。在 10-19 个月之间，一种类别的突增会促进组织的成熟。我们认为，这些变化是心智发展过程中视觉和思维耦合的基础。

图:（a）实验用的对象，共8类，每类9张，共12张图像。其中人脸组只显示了人脸的轮廓；（b）实验1的图像，表示在每一次实验中，两个图像外侧都有固定大小的框，且两个图像与各自方向上侧边的距离相等；（c）实验2的图像，表示在每一次实验中，去掉了实验1中所述图像外侧的框；（d）合成模型反映当前设计中测试的分类对象；（e）复合模型反映六个合成模型的平均。



8.现代和古代基因组的统一谱系


论文题目：A unified genealogy of modern and ancient genomes
期刊来源：Science
论文地址：https://www.science.org/doi/10.1126/science.abi8264

全球各地对现代及古代人类基因组的测序颠覆了我们对于人类历史及演化的认识。然而，如何通过人类基因组整体的变异来刻画祖系关系仍是无解的难题。本文，我们开发了一种非参数的方法来推断现代及古代人类的谱系。该方法利用了多个数据集，简洁表示了祖系关系，探索了数据缺失及错误的难题，并以古代样本约束、回溯关系。我们展示了该方法在重现个人及群体间关系以及识别古代样本的后代方面的效果。最后，我们介绍了一种用于估计祖辈地理位置的非参数估计器，这些祖辈见证了人类历史上的关键事件。

图：祖系关系在时空上的可视化。图中的线条代表了该方法所推测的谱系图中的祖先-后代关系。线条的粗细对应着关系被观察到的次数，线条的颜色对应着所估计的祖辈所处年代。



9.动态社交距离下

新冠病毒疫苗抗性的演变


论文题目：Evolution of resistance to COVID-19 vaccination with dynamic social distancing
期刊来源：Nature Human Behaviour
论文地址：https://www.nature.com/articles/s41562-021-01281-8

在发生新冠疫情之后，民众把社会恢复正常的最大希望寄托于疫苗的接种。不过取消社交隔离会增强疫情的传播，而疫苗的接种其实也为病毒带来了自然选择的压力。相关的防疫举措其实会促进耐药性疫苗的出现。该研究分析了新冠病毒（COVID-19）在减少社交和对疫苗接种情况下的演化动力学。研究者使用来自六个不同国家的病毒感染和疫苗接种数据。结果表明，在缓慢接种疫苗的情况下，即使保持社交距离，病毒也很可能出现耐药性。而在快速接种疫苗的情况下，如果能在接种疫苗期间保持社交距离，就可以防止突变体的出现。研究分析了影响病毒ya演化能力的多种人为因素，包括社交距离的间隔、疫苗接种、疫苗类型、加强针接种情况和民众对疫苗的犹豫与怀疑。这项研究旨在为以最大限度降低对疫苗有抗性的病毒变体出现概率为目标的政策提供指导意见。

图：感染动力学、疫苗接种与耐药性




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