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3月14日-3月20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、全球证据表明,新冠肺炎疫情期间人们的情绪发生了变化

2、关于出生年婴儿死亡率的全基因组关联研究为最近的自然选择提供了证据

3、用神经网络增强的蒙特卡洛树搜索优化量子退火进度表

4、湍流壁模型的科学多主体强化学习

5、社交媒体中信息传播的普遍性、临界性和复杂性

6、适应减轻了温度冲击对家庭消费的负面影响

7、美国大陆的花粉排放季节长度和幅度的气候驱动变化预测

8、外在奖励对亲社会行为的挤出效应


1. 全球证据表明,新冠肺炎疫情期间

人们的情绪发生了变化


论文题目:Global evidence of expressed sentiment alterations during the COVID-19 pandemic
论文来源:Nature Human Behaviour
论文链接:https://www.nature.com/articles/s41562-022-01312-y


新冠肺炎疫情给人们的身体健康和主观幸福感带来了前所未有的负担。虽然世界各国都开发了平台来跟踪新冠肺炎感染和死亡的演变,但用以衡量疫情和相关政策干预的情感影响的经常性测量仍然很少。本文使用100多个国家的6.54亿条带有地理标签的社交媒体帖子,覆盖了74%的世界人口,再加上最先进的自然语言处理技术,开发了一个表达情感指数的全球数据集,以跟踪国家和国家以下级别的日常情感状态。研究使用第一波新冠肺炎(从2020年1月1日到5月31日)的数据提出了两个令人鼓舞的应用场景。首先,使用回归不连续设计,研究提供了一致的证据,表明新冠肺炎疫情导致全球表达情感急剧下降,随后是不对称的缓慢复苏。第二,应用合成控制法,发现封锁政策对表达情感的影响在各国之间有很大的异质性,有些有适度的影响,有些没有影响。这项研究表明,当社交媒体数据与机器学习技术相结合时,可以提供对情感状态的实时测量。

图:新冠疫情引起情感变化的全球模式。(a) 按国家/地区分类的标准化情绪指数,紫色线代表每个国家的情绪最低点(即最低点);(b) 各国情绪下降变化图示。红色代表下降较大;绿色代表下降较小。(c) 各国恢复半衰期变化图示。浅色对应快速恢复,蓝色表示长期恢复,紫色表示该国到 2020 年 5 月 25 日仍处于恢复阶段。



2. 关于出生年婴儿死亡率的

全基因组关联研究

为最近的自然选择提供了证据


论文题目:GWAS on birth year infant mortality rates provides evidence of recent natural selection
论文来源:PNAS
论文链接:https://www.pnas.org/doi/10.1073/pnas.2117312119

在对自然选择过程进行了一个多世纪的表型测量之后,最近的许多工作探索了分子遗传测量与下一代实现的适应性之间的关系。本文采用创新方法研究当代选择压力,检查哪些遗传变异在人群中随着死亡率暴露的增加而“持续”。具体来说,研究者部署了一个所谓的“区域 GWAS”(全基因组关联研究),将英国按地点和年份划分的婴儿死亡率(IMR) 与英国生物库出生队列中的常见遗传变异联系起来。这些出生于 1936-1970 年之间队列的 IMR 从每 1,000 名活产婴儿死亡人数为 65~20 人之间,并伴随着战时风险的显著变化和峰值。研究结果显示了全基因组中的几个显著位点,包括 LCT 和 TLR10/1/6,与妊娠期和婴儿期的区域水平队列 IMR 暴露相关。遗传相关性存在于多个领域,包括生育力、认知、健康行为和健康结果,这表明队列选择在现代人群中具有重要作用。

图:1936-1970 年间在英格兰和威尔士的 IMR。(A) 英格兰和威尔士 1936-1970 年间平均郡级 IMR 的热图。IMR 定义为 1 岁以下的百分死亡率(每 1,000 名活产婴儿, IMR 的分母不包括死产)。(B) 每个郡各个年份的 IMR 形成的热图。



3. 用神经网络增强的蒙特卡洛树

搜索优化量子退火进度表


论文题目:Optimizing quantum annealing schedules with Monte Carlo tree search enhanced with neural networks
论文来源:Nature Machine Intelligence
论文链接:https://www.nature.com/articles/s42256-022-00446-y

固体在加热后缓慢冷却时,粒子会逐渐趋于有序,这个过程被称为退火。与固体退火的过程类比,人们提出了模拟退火算法来解决优化问题。量子退火是在现实世界近似实现绝热量子计算模型的一种实用方法。绝热算法的目标,是在退火路径的末端制备问题编码的哈密顿量的基态。这通常是通过驱动量子系统动态演化以缓慢地增强绝热来实现的。适当优化的退火进度表通常会大大加速计算过程。

受最近深度强化学习,如 DeepMind 的 AlphaZero 取得成功的启发,本文提出了一种蒙特卡洛树搜索算法(MCTS),及其由神经网络推动的增强版本——将其命名为 QuantumZero(QZero),用于在混合量子-经典框架中自动化退火进度表的设计。对于本研究中考虑的3-SAT例子,即使退火时间较短,MCTS 算法和 QZero 算法在发现有效退火进度表方面都表现得非常好。更进一步,神经网络的灵活性允许应用迁移学习(transfer-learning)技术来提高 QZero 的性能。本文在基准研究中证明,MCTS 和 QZero 算法在设计退火进度表方面比其他强化学习算法更有效。

图:混合量子-经典框架中退火进度表的设计。(1)环境(Environment):量子退火器执行一个编码特定问题的退火进度表,并在能量测量时向由 MCTS 和神经网络组成的学习主体提供反馈。(2)MCTS:学习主体的主要搜索组件。(3)QZero:神经网络辅助的 MCTS,它以 MCTS 探索的当前路径为“状态”,以“系统信息”为输入,给出“动作分布”和“状态值”作为输出来指导 MCTS。



4. 湍流壁模型的科学多主体强化学习


论文题目:Scientific multi-agent reinforcement learning for wall-models of turbulent flows
论文来源:Nature Communications
论文链接:https://www.nature.com/articles/s41467-022-28957-7

湍流模拟的预测能力对于气动设计和天气预测至关重要,不过这种预测能力取决于湍流模型的选择。大量的实验和模拟数据以及机器学习的出现为湍流建模工作提供了助力。然而,启发式和监督学习在模拟近壁动力学(near-wall dynamics)上的不稳定性却仍然在阻碍湍流模拟。为解决这一挑战,本文引入科学多主体强化学习(SciMARL)来发现大涡模拟(large-eddy simulations,LES)的壁面模型。

在SciMARL中,离散点也作为合作主体,学习供给大涡模拟闭合模型。这些主体利用有限的数据进行自我学习,并推广到极端雷诺数和前所未见的几何结构。相比于完全求解的模拟,该方法可以将计算成本减少几个数量级而仍然计算出关键的流体数据,从而为湍流模拟创造巨大的效能。

图:在湍流模拟的科学多主体强化学习(SciMARL)框架中,主体沿着壁面均匀分布,每个主体获取状态信息(state),计算壁面处的奖励(reward)并供给策略 π,以获得下一个时间步的动作(action)。



5. 社交媒体中信息传播的

普遍性、临界性和复杂性


论文题目:Universality, criticality and complexity of information propagation in social media
论文来源:Nature Communications
论文链接:https://www.nature.com/articles/s41467-022-28964-8


社交媒体中的信息雪崩(Information avalanches)通常和大脑中神经元活动雪崩的研究方式相似。虽然有大量文献表明,存在一种独特的过程来表征生物体内的神经元活动,但人们对在线社交媒体中的信息动力学知之甚少。以往的研究发现信息雪崩的统计规律并不可靠,并且有多种多样的过程用来表示信息传播的合理驱动机制。在这里,研究者们分析了从众多在线平台(包括Telegram、Twitter和微博)收集到的近10亿个动态。超过10年的数据表明,信息在社交媒体上的传播具有普遍性且具有临界过程。

普遍性源于对跨平台的相同宏观模式的观察,而不管研究的具体媒体系统细节如何。临界行为主要由幂律分布和相应的超尺度关系推导出,能反映信息雪崩的大小和持续时间。神经元活动可以被模拟为一个简单的传染过程。在这个过程中,只要有一次接触活动就足以使其扩散。相反,该研究的统计测试表明,社交媒体中的传播需要一个人与多个熟人接触,同时包含简单和复杂的传播规则,这也是社交媒体信息传播的特征。研究者们证明了传播过程的复杂性与传播信息的语义内容相关。关于音乐、电影和电视节目的话题往往是简单的传染过程,而关于政治、社会等主题的争议性讨论则遵循复杂传染的规则。

图:社交媒体中信息传播的普遍性和临界性。子图(A)表示雪崩规模分布;子图(B)反映与(A)中相同数据的雪崩持续时间分布;子图(C)表示给定持续时间的雪崩平均规模;子图(D)为不同媒体平台的幂指数估计值。



6. 适应减轻了

温度冲击对家庭消费的负面影响


论文题目:Adaptation mitigates the negative effect of temperature shocks on household consumption
论文来源:Nature Human Behaviour
论文链接:https://www.nature.com/articles/s41562-022-01315-9

消费在经济增长中发挥着重要作用,在气候变化时代,消费对极端天气的反应是怎么样呢?本文使用全球最大支付网络的高频精细数据,考察了温度冲击对消费的影响。分析表明,高温和低温在短期内对各种消费活动产生直接和即时的负面影响,导致温度与消费之间呈倒U型关系。消费敏感度因气候区域而异,寒冷地区的消费者更能适应低温,而炎热地区的家庭则更能应对高温,这表明适应在应对温度冲击的负面后果方面具有重要作用。适应可以通过各种人类行为调整和建筑物环境的变化来实现,例如安装室内供暖和制冷系统、改善医疗保健系统以及在景观和城市规划中采用新法规。长期预测表明,如果不采取适应措施,到本世纪末,无论是温和情况还是极端情况下,气候变化都会减少消费总量。然而,一旦考虑到适应措施,就没有证据表明消费减少了。研究结果强调了将适应的调节作用纳入理解消费对气候变化的反应的重要性。

图:按城市划分的本世纪末消费预测。图中每个城市在本世纪末(2080-2099 年)相对于 2018 年水平的气候变化预测影响,其中蓝色表示消费减少,红色表示消费增加。(a) 和 (b) 表示基于当前气候下的消费—温度关系,因此不包括适应。(c) 和 (d) 通过使用与未来气候相对应的消费-温度关系,并纳入适应。



7. 美国大陆的花粉排放季节长度

和幅度的气候驱动变化预测


论文题目:Projected climate-driven changes in pollen emission season length and magnitude over the continental United States
论文来源:Nature Communications
论文链接:https://www.nature.com/articles/s41467-022-28764-0

大气条件影响风媒花粉的释放,时间和程度会因气候变化而改变。通过花粉释放模型和未来气候数据模拟,本世纪末气温升高(4-6 开尔文)使春季花粉开始释放提前10-40天,夏/秋杂草和禾本科植物的花粉释放晚5-15天,并使对应季节的持续时间延长。物候变化取决于单个种群的温度响应,在某些区域聚集,在其他区域分散。由于物候期和温度驱动花粉生产的变化,温度和降水对花粉日释放量的影响在 -35-40% 之间,使花粉年释放量增加16-40% 。大气中二氧化碳含量的增加可能会增加花粉产量,结合气候变化,二氧化碳产量翻倍,使世纪末的花粉释放量增加200% 。土地覆盖变化改变了花粉释放者的分布,但是与气候或二氧化碳相比,其影响相对较小(< 10%)。这些模拟表明,更多的花粉和更长的花粉季将增加季节性过敏的可能性。

图:不同植物花粉季节开始的日期(横轴)和结束的日期(纵轴),可以看到大部分植物的花粉周期都会提前,结束日期都很变短。



8. 外在奖励对亲社会行为的挤出效应


论文题目:Extrinsic rewards and crowding-out of prosocial behaviour
论文来源:Nature Human Behaviour
论文来源:https://www.nature.com/articles/s41562-022-01293-y

供需法则是经济学的一个基本原则——任何商品售卖价格的提高都会增加其供应量。然而,在亲社会行为的案例研究中,外在激励的增长却减少了供给,这对经典经济原理提出了挑战。之前研究这种“挤出效应”的尝试由于其规模小以及实验测试的校准所带来的固有困难而受到限制。本文分析了环境领域的一个大规模的自然实验,其中包括20,370个独立的观察结果,这些观察结果来自于大约2700万个个人决定的汇总。研究发现,亲社会行为的总供给曲线是”S型”的,这表明使用货币奖励来增加亲社会行为的尝试会产生反作用。该研究表明,利用一小部分由潜在的S型模型生成数据所得出的结果很容易被误解,而且应该调查内在动机的替代行为以确保理论的进步。


图:期望奖励(折线图)和平均回收量(柱状图)随时间变化的百分比





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