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28日-3月6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、分散电网中的集体非线性动力学和自组织

2、利用最优相关噪声增强同步

3、视觉皮层区域之间的前馈和反馈交互使用不同的群体活动模式

4、社交网络中的入度中心性与协调的神经活动有关

5、对他人的了解减少了自己的匿名感

6、生态系统对热带气旋的抵抗力和复原力之间的权衡的一般模式


1.分散电网中的

集体非线性动力学和自组织


论文题目：Collective nonlinear dynamics and self-organization in decentralized power grids
论文来源：Reviews of Modern Physics
论文链接：https://journals.aps.org/rmp/abstract/10.1103/RevModPhys.94.015005


能源结构向可再生能源供应的持续过渡导致电网的重组，改变了其原有的有效互动拓扑结构，导致电网越来越强烈地去中心化，极大改变了其输入、输出和响应的特性。所有这些变化意味着电网越来越多地受到集体非线性动态现象的影响，结构上和动态上更加分散，在空间和时间上更难预测，构建模块更加异质化， 因此更难集中控制。通过结合来自非线性动力学、随机过程和统计物理、异常统计、最优化和图论的理论，这篇文章对真实和模拟电网中出现的集体动力学现象的数据驱动和数学建模的基础方面进行了回顾。本文介绍了适当的建模和分析方法所需的数学背景，概述了电力系统模型，并重点讨论了一系列集体动力学现象，包括同步和锁相、流量（重）路由（flow (re)routing）、Braess悖论、几何阻挫（geometric frustration）、扰动和级联故障的扩散和定位， 以及波动起关键作用的电网非平衡动力学。

图：高压电网的拓扑结构


2.利用最优相关噪声增强同步


论文题目：Enhancing Synchronization by Optimal Correlated Noise
论文来源：Physical Review Letters
论文链接：https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.128.098301


从萤火虫的闪光，到约瑟夫森结和电力基础设施，耦合相位振子网络提供了一个强有力的框架来描述许多自然和工程系统中的同步现象。大多数现实世界的网络都受到充满噪声的随机输入的影响，可能会抑制同步。虽然噪声是不可避免的，但这项研究表明，存在最优噪声模式，能够最小化去同步效应，甚至促进秩序产生。具体而言，作者们用分析论证表明，在双振子模型情况下，存在一个从最优同步增强噪声完全反关联到关联状态的急剧转变。更一般地，作者们接着使用数值优化方法证明，存在反关联噪声模式，最优地增强大型复杂振子网络中的同步。该研究结果可能对受大量关联输入噪声影响的网络，如电网和神经元网络等具有重要意义。

图：双振子模型中的噪声增强同步和协方差转变。数值模拟结果表明，在转变之前，κ < 1，噪声一般增强同步；而 κ > 1 的情况下，噪声一般降低同步（图a）。对于固定的 κ，存在一个最优有效噪声 ς2 使同步最大化（图b）



3.视觉皮层区域之间的前馈

和反馈交互使用不同的群体活动模式


论文题目：Feedforward and feedback interactions between visual cortical areas use different population activity patterns

论文来源：Nature Communications
论文链接：https://www.nature.com/articles/s41467-022-28552-w

大脑功能依赖于多个循环连接的大脑区域之间的活动协调。例如，编码在早期感觉区域的感觉信息被传递到更高的皮层区域并由其进一步处理，然后反馈回来。然而，前馈和反馈信号相互交互的方式尚不完全清楚。近期，研究人员通过利用早期和中级视觉区域（V1-V2 和 V1-V4）的同步神经元群体记录来研究这个问题。他们使用降维方法发现群体相互作用在刺激开始后不久以前馈为主，而在自发活动期间以反馈为主。在前馈和反馈主导时期，跨脑区最相关的活动模式是不同的。这些结果表明前馈和反馈信号依赖于单独的“通道”，这使得反馈信号不会直接影响前馈的活动。

研究人员利用早期和中级视觉区域（V1-V2 和 V1-V4）中神经元群体的同时记录来检查区域间相互作用的时间动力学，以及这些相互作用中涉及的群体活动模式（图 1a）。通过分析跨区域神经元活动的时刻关系（没有试验平均），研究人员发现在刺激开始后不久，相互作用以前馈为主（V1领先V2，V1领先V4）并逐渐成为反馈主导。此外，研究人员发现前馈信号中涉及的群体活动模式与反馈信号中涉及的群体活动模式不同。这表明在前馈处理期间对下游活动影响最大的 V1 活动模式不是受反馈信号影响最大的活动模式。这项结果揭示了区域之间信号流的主要方向以及前馈和反馈交互中涉及的神经元活动模式的独特性质。

图：使用神经元群体活动研究前馈和反馈相互作用

研究人员对前馈和反馈相互作用的观察如何帮助人们理解这些形式的信号如何促进皮层功能？虽然前馈信号的计算作用已被广泛研究，但反馈的作用更加神秘。已有研究提出反馈信号可以改进或纠正前馈信号，例如，通过提供有关动物信念或决定的信息，通过提供对感觉输入的预测（在预测编码中），或通过发出信号偏离一些高阶“教学”信号（在生物学上合理的反向传播中）。研究人员发现刺激开始后的区域间相互作用是前馈的。这可能是因为当刺激突然出现时，从一个视觉环境到另一个视觉环境的突然转变。假设视觉皮层不学习试验结构，则刺激开始是不可预测或意想不到的；根据预测编码原理，这样的输入应该产生有效的前馈信号。随着刺激持续存在，区域间的互动变得以反馈为主。这种转变可能表明较高的皮层正在提供试图“解释”持续的、持续的视觉输入的信号，从而降低了较低皮层的反应能力。在自发活动期间，交互也是反馈主导的。这一发现与感觉表征将来自高级皮层的先验信息与来自外围的感觉驱动相结合的提议是一致的。在没有明显的视觉输入的情况下（即在自发活动期间），人们会期望反应更强烈地反映先验，这将作为一种自上而下的主导互动显而易见。


4.社交网络的入度中心性

与协调的神经活动有关


论文题目：In-degree centrality in a social network is linked to coordinated neural activity
论文来源：Nature Communications
论文链接：https://www.nature.com/articles/s41467-022-28432-3


对外部世界产生相近的反应，可能是促成社会连通性的一个因素。这项研究使用神经成像和网络分析来研究大学一年级学生在观看中性视听刺激（特别是视频）时，其社会网络中所处的位置（以度向心性衡量）和他们神经活动相似性之间的关系。有119名学生参与了社会网络研究，其中63人参与了神经影像学研究。研究发现，位于网络中心位置的个体与同伴的大脑区域具有相似的神经反应，这些区域与高级别的解释和社会认知相关（例如，位于默认模式网络），而位于边缘的个体则表现出更多的个性化的反应。自我报告的享受和兴趣的刺激遵循类似的模式，但考虑了享受程度和兴趣后，没有改变社交网络中心者大脑活动相似这一核心结论。这些发现表明，对外部刺激的神经处理在社交网络中度数高的个体中是相似的，但在度数低的个体中是特殊的。

图:（a）研究框架意图。在研究的第 1 阶段，参与者参加了一个实验室会议，在他们观看一系列自然刺激（即视频）的同时，使用 fMRI 测量他们的大脑活动。功能磁共振成像扫描后，参与者提供了他们发现每个视频的乐趣和有趣程度的评分。（b）的社交网络调查示意图。在研究的第 2 部分，参与者完成了一项在线社交网络调查，在调查中他们指出了居住社区中与他们成为朋友的个人。（c）神经相似性示意图。提取了参与者观看刺激时获得的神经反应的时间序列。然后计算了 214 个大脑区域中每个区域的这些时间序列的主体间相关性 (ISC)。(d）网络计算示意图。基于参与者在 ( b ) 中的反应，构建了两个有向的、未加权的网络，每个住宅社区一个，其中每个节点代表一个人，每个有向边代表一个人提名另一个人作为朋友。对于每个人，计算了度数中心性，即该人在自己的居住社区中被其他人提名为朋友的次数。



5.对他人的了解减少了自己的匿名感


论文题目：Knowledge about others reduces one’s own sense of anonymity
论文来源：Nature
论文链接：https://www.nature.com/articles/s41586-022-04452-3

社会关系往往看起来是对称的，但现实中不一定是。例如，一个人对陌生人的了解可能比陌生人对他的了解更多。本文探讨了人们是否忽视了这些不对称性，以及可能对人们的认知和行动产生的后果。研究表明，当人们对他人了解较多时，会认为他人对自己了解也较多。在九个实验室的实验中，当参与者对一个陌生人了解得更多时，他们会觉得这个陌生人也更了解他们，而且他们的行为就像这个陌生人对他们的行为更关注一样。结果发现，参与者在熟悉的陌生人面前更加诚实。在纽约市的一个实地实验中进一步测试了这点，研究者向居民提供了关于社区警察的普通信息。结果发现，这一干预措施改变了居民对警察了解非法活动的看法，甚至可能减少犯罪。因此，我们的匿名感不仅取决于人们对我们的了解，也取决于我们对他人的了解。

图：居民对警官知识的感知预测犯罪减少


6.生态系统对热带气旋的抵抗力和

复原力之间权衡的一般模式


论文题目：A general pattern of trade-offs between ecosystem resistance and resilience to tropical cyclones
论文来源：Science Advances
论文链接：https://www.science.org/doi/10.1126/sciadv.abl9155

热带气旋，包括飓风和台风，是地球上最强大的自然现象之一。即使是微弱的风暴也会带来毁灭性的降雨和风暴潮，造成灾难性的生命损失、财产损失，并扰乱生态系统功能。随着人类沿海人口上升，预测社会生态热带气旋的效应变得极为重要，风暴空间分布延伸到更高的维度，风暴频率和强度增加。然而风暴之间的差异，受影响的生态系统和反应的多样性，以及大多数飓风研究所自带的随机性，产生了大量看看似独特的研究案例。需要综合地揭示其共同的预测和响应变量，促成生态系统对风暴易感性的预测。

这项工作为了预测沿海生态系统如何应未来的干扰机制，从1985年到2018年间发生在北半球的26场风暴中，综合了4138个生态系统时间序列的对抗性和复原力模式。数据按生态系统（淡水、咸水、陆地和湿地）与响应类别（生物地球化学、水文学、移动生物群、定居生物群和维管植物）进行分组。研究者观察到了一个重复模式——在阻力和弹性之间权衡分析。这些模式可能是演化适应的结果，它们符合扰动理论。这表明，支配生态系统对热带气旋的敏感性的，可能存在普遍规则。

图：研究发现总降雨量、最大降雨量和最大风速之间总体呈正相关关系，其斜率在生态系统的不同响应类别之间存在差异，尤其是水生（咸水和淡水）与非水生（湿地和陆地）生态之间有明显分界。而长期以来频繁受到飓风影响的沿海生态系统是否对未来的风暴具有更强的抵抗力，或者频繁的干扰是否会生成抵抗力低但抗干扰力高的生态系统？这些关系是线性的，还是有临界点？本研究的综合数据和分析思路为这些问题提供了后续探索的参考。





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