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21日-3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、新冠病毒流行期间开放国家橄榄球联赛体育场对公共卫生的影响

2、基于不完全和噪声数据的复杂网络动力学自动推理

3、结合图网络与优化算法的晶体结构预测

4、通过图神经网络量化城市道路网络的空间同质性

5、激发态神经网络量子动力学探索铁电氧化物远离平衡极化控制

6、广义相关随机矩阵的特征值：路径积分法

7、基于机器学习的观测约束预测揭示森林火灾增加的全球社会经济风险


1. 新冠病毒流行期间开放国家

橄榄球联赛体育场对公共卫生的影响


论文题目：Public health implications of opening National Football League stadiums during the COVID-19 pandemic
论文来源：PNAS
论文链接：https://www.pnas.org/doi/10.1073/pnas.2114226119

利用2020年美国国家橄榄球联盟（NFL）常规赛季的上座率数据和当地的COVID-19病例数，我们估计了在新冠疫情期间向球迷开放NFL体育场的公共卫生影响。数据的分析采用了稳健合成控制法，这种统计方法被用来进行反事实的估计。以前的研究没有考虑到诸如不同州不断变化的政策等混杂因素，而合成控制方法使我们能够考虑到镇级区域特有的、可能随时间变化的影响。我们发现，开放体育场很可能对当地的COVID-19病例数没有影响；这表明，对于2020年的NFL赛季，提供严格控制的户外观看环境（包括戴口罩和距离要求）抵消了与开放有关的风险。这些结果是针对2020年NFL赛季的，在泛化我们的结论时应该特别注意的是：1）这些数据反映了在出现Delta和Omicron变种等传播性更强的毒株之前，COVID-19的早期毒株占主导地位的时期；2）这些数据仅限于室外环境，因此，我们的结果不能适用于限制传播控制的小型室内空间。

图：俄亥俄州汉密尔顿镇测量的 COVID-19 病例数（红线）和反事实合成的 COVID-19 病例数（蓝线）的比较。垂直的灰线表示允许球迷进入体育场的第一场主场比赛的日期。在这个例子中，在允许球迷进入体育场后，体育场记录的病例少于反事实，这表明，对于汉密尔顿镇来说，将球迷转移到受控的室外环境中的好处超过了与大型集会相关的潜在危害。



2. 基于不完全和噪声数据的

复杂网络动力学自动推理


论文题目：Autonomous inference of complex network dynamics from incomplete and noisy data
论文来源：Nature Computational Science
论文链接：https://www.nature.com/articles/s43588-022-00217-0

近年来，捕获复杂网络系统的结构和行为的经验数据的可用性已然大大增加；然而，能够从数据中揭示复杂系统的节点和交互动力学机制的通用计算工具箱仍然是难以实现的。在这里，我们开发了一种用于自主推理复杂网络动力学的两阶段方法，并通过在各种合成网络以及真实网络上的神经元、遗传性、社会性和耦合振子动力学的推理测试来证明其有效性。重要的是，该方法对不完全性和噪音——包括低分辨率、观测和动态噪音、缺失和虚假链接以及动态异质性——具有鲁棒性。我们应用两阶段方法来推断甲型流感在全球航空网络上的早期传播动力学，所推断出的动力学方程也可以捕捉到2019年严重急性呼吸道综合征和冠状病毒疾病的传播规律。这些发现一同提供了一个途径来发现广泛隐藏于真实网络系统的微观机制。

图：两阶段推理方法概览


3. 结合图网络与优化算法的

晶体结构预测


论文题目：Crystal structure prediction by combining graph network and optimization algorithm
论文来源：Nature Communications
论文链接：https://www.nature.com/articles/s41467-022-29241-4

长期以来，晶体结构预测都是凝聚态物质和化学科学中的一个挑战。本文提出了一个用机器学习预测晶体结构的方法。在该方法中，我们采用图网络（Graph Network，GN）在给定的数据库中建立晶体结构和形成焓之间的相关模型，并使用优化算法（optimization algorithm，OA）来加速搜索具有最低形成焓的晶体结构。该算法架构（数据库+图网络+优化算法）是一个灵活的框架。我们实现了两个基准数据库，即开放量子材料数据库（OQMD）和Matbench（MatB），以及三个优化算法，即随机搜索（RAS）、粒子群优化（PSO）和贝叶斯优化（BO），并以此预测周期单元中特定原子数的晶体结构。比较研究表明，在MatB上训练的GN模型与BO相结合，即 GN(MatB)-BO 模型，在预测 29 种典型化合物的晶体结构方面表现出最好的性能，相比于通过密度泛函理论计算筛选结构的传统方法，该方法的计算成本要低三个数量级。这个由材料数据库、图网络和优化算法构成的灵活的数据库，可能为数据驱动的晶体结构预测开辟新的途径。

图：GN-OA 框架流程图


4. 通过图神经网络

量化城市道路网络的空间同质性


论文题目：Quantifying the spatial homogeneity of urban road networks via graph neural networks
论文来源：Nature Machine Intelligence
论文链接：https://www.nature.com/articles/s42256-022-00462-y

量化城市道路网络不同部分的拓扑相似性使我们能够了解城市增长模式。尽管传统的统计提供了有关单个节点的直接邻居或整个网络特征的有用信息，但这些指标无法衡量子网的相似性或捕获局部的、间接的邻居关系。在这里，我们提出了一种基于图的机器学习方法来量化子网的空间同质性。我们将该方法应用于全球 30 个城市的 11,790 个城市道路网络，以测量每个城市内和不同城市之间道路网络的空间同质性。我们发现，城市内部的空间同质性与国内生产总值和人口增长等社会经济地位指标高度相关。此外，通过在不同城市之间转移模型获得的城际空间同质性值揭示了起源于欧洲的城市网络结构的城际相似性，并传递到美国和亚洲的城市。使用我们的方法揭示的社会经济发展和城际相似性可以用来理解和转移城市之间的见解。它还使我们能够应对城市政策挑战，包括快速城市化地区的网络规划和区域不平等。

图：城市道路网络的空间同质性。（a）空间同质性的描述。左，空间同质性衡量网络的一部分是否与整个网络共享类似的链接存在模式。中，空间同质性揭示了对城市社会经济发展和城际相似性的洞察。右，这些指标和见解使城市决策中的许多现实应用成为可能。（b）上，纽约曼哈顿的一个道路网络。下，将交叉口建模为节点，将路段建模为图神经网络 (GNN) 中的链接。（c）GNN 中两层之间的消息传递。（d）一对节点的连接强度S。它被计算为两个端点节点的表示的加权点积（W 是对角矩阵）。如果 sigmoid 连接强度高于阈值 δ，我们预测 n2 和 n5 之间存在联系。（e） 在不同的GNN模型下，30个城市的路网样本的链接预测的精度。



5. 激发态神经网络量子分子动力学

探索铁电氧化物远离平衡的

超快速极化控制


论文题目：Exploring far-from-equilibrium ultrafast polarization control in ferroelectric oxides with excited-state neural network quantum molecular dynamics
论文来源：Science Advances
论文链接：https://www.science.org/doi/10.1126/sciadv.abk2625

铁电材料表现出丰富的复杂极性拓扑结构，但由于量子力学涉及的多时空尺度建模困难，远离平衡态光学激发下的研究在很大程度上尚未得到探索。为了在这些拓扑出现的时空尺度上研究光激发，我们进行了多尺度激发态神经网络量子分子动力学模拟，该模拟集成了电子激发的量子力学描述和十亿个原子的机器学习分子动力学，以描述典型铁电氧化物钛酸铅中的超快速极化控制。远离平衡态的量子模拟揭示了电子能量图景中显著的光诱导变化，以及由此在皮秒内从铁电体到八面体倾斜拓扑动力学的交叉。这些动力学的耦合和阻挫，反过来又创造了极化弦形式的拓扑缺陷。多尺度量子模拟和机器学习的关系不仅将推动铁电拓扑电子学这一新兴领域，也将推动更广泛的光电应用。

图：体晶格和极化动力学。(A）最初激活的TO1声子模式和向上转换的TO2声子模式的示意图。氧原子被标记为O1、O2和O3，与它们在PTO单元格的对称位置有关。(B) 激发后ab平面940fs的四个单元格的氧旋转快照，红色箭头标记的旋转方向。(C）基态和（D）激发态的VDOS。VDOS是由傅里叶变换、300K时分子动力学模拟的速度自相关函数计算出来的。（E）基态和（F）激发态声子弥散。激活的高频光学分支既被软化又被硬化，形成声子带隙。(G) 300K时的激发态极化动力学。Ti的平均极化沿c轴的位移最初是反向的，随后是一个平均极化接近零的稳态结构。



6. 广义相关随机矩阵的特征值：

路径积分法


论文题目：Eigenvalues of Random Matrices with Generalized Correlations: A Path Integral Approach
论文来源：Physical Review Letters
论文链接：https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.128.120601

随机矩阵理论允许人们在只给出关于其元素的统计信息的情况下，推导出大型矩阵的本征值谱。从这些结果中能提炼出对复杂动力系统稳定性的影响因素。在本文中，我们研究了一系列任意一对矩阵元素之间均存在相关性的随机矩阵的本征值谱。为此，我们引入一种分析方法，将随机矩阵的预解映射到线性动力系统的响应函数上。然后使用路径积分形式来评估响应函数，这使我们能够对特征值谱进行推断。我们的核心结果是一个用于具有广义相关性的大型随机矩阵领头阶特征值的简单闭形式。该公式表明，通常被忽略的非对角矩阵元素之间的相关性对系统稳定性有显著影响。

图：作为示例的本证值谱，交叉表示计算机生成的随机矩阵的数值对角化结果，这些随机矩阵来自有着广义相关的集合。



7. 基于机器学习的观测约束预测揭示

森林火灾增加全球社会经济风险


论文题目：Machine learning–based observation-constrained projections reveal elevated global socioeconomic risks from wildfire
论文来源：Nature Communications
论文链接：https://www.nature.com/articles/s41467-022-28853-0

对森林火灾和相关社会经济风险的可靠预测对于制定高效和有效的适应和缓解策略至关重要。模型输出缺乏或受到有限的观测数据约束，降低了森林火灾预测模型的可信度。在此，我们提出了一个机器学习框架，利用历史上观察到的火灾相关变量的联合状态，对来自第六次国际耦合模式比较计划（CMIP6）的13个地球系统模型模拟的未来火灾碳排放进行约束。在21世纪，与默认合集相比，观测约束合集表明全球火灾碳排放的增长较弱，但全球人口、国内生产总值和农业面积的森林火灾风险增长较高。这种升高的社会经济风险主要是由西部和中部非洲国家未来森林火灾和社会经济发展的复合区域性增强造成的，因此这些国家有必要为应对森林火灾做好紧急战略准备。

图：13 个地球系统模型（ESM）模拟的 2007-2016 年历史火灾碳排放量。（a） 观测到的平均火灾碳排放量。（b） 原始无约束多模型平均火灾碳排放量偏差的空间分布。（c） 受观测约束的多模型、多数据集平均火灾碳排放中偏差的空间分布。





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