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4月25日-5月1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、随机驱动化学系统中的自发手性对称性破缺

2、自动因果推理在随机对照临床试验中的应用

3、具有可重构形态、行为和功能的微型机器人

4、在 ABCD 研究中，共同和独特的大脑网络特征能够预测认知、个性和心理健康得分

5、三次世界大战：财政-货币的后果

6、主观心流体验的计算理论


1.随机驱动化学系统中的

自发手性对称性破缺


论文题目：Spontaneous chiral symmetry breaking in a random driven chemical system
论文来源：Nature Communications
论文链接：https://www.nature.com/articles/s41467-022-29952-8

生命系统已经发展到使用复杂的化学反应循环有效地利用可用的能量，令人费解的是，这些化学反应对不对称手性构型有严格的限制。虽然已知自催化（autocatalysis）会促进这种手性对称性破缺（chiral symmetry breaking），但在更通用的构型可变的化学系统类别中是否也可能通过能量利用（energy exploitation）引发类似现象，是一种合理但未被充分认识的可能性。这项工作在随机生成的复杂化学网络模型中检验了这个问题。我们表明，通过利用来自外部环境诱发的能量差异，手性对称性破缺可能会自发且普遍地发生。这种转变的关键是非手性到手性反应的内在波动（intrinsic fluctuations）以及系统构型与环境驱动的紧密匹配，它们共同放大和维持不同的对映异构体分布。这些不对称状态涌现于相应对称状态的陡峭能量变化，并急剧聚集为高耗散状态。因此，结果证明了一种通用机制，在这种机制中，能量驱动可能会在完全对称的环境中产生纯手性，并且从生命早期的角度来看，它可能会成为一种有竞争力的、捕获能量的优势。

图：双通道化学系统模型。一个化学系统（左）可分为两组反应通道（右），通道之间由非手性组分沟通。其中Ai是多种非手性组分，Rj/Sj是多种手性组分对。主要的化学反应为：1. 通道内同构型（R/S）手性组分间的转化，速率受到环境作用的影响；2. 非手性组分到各种手性组分的转化，速率存在内在波动δ。虽然在初始的对称环境中，同一种非手性组分到一对手性组分之间的反应速率相同，但是波动会被不断放大，导致手性对称性破缺。



2.自动因果推理

在随机对照临床试验中的应用


论文题目：Automated causal inference in application to randomized controlled clinical trials
论文来源：Nature Machine Intelligence
论文链接：https://www.nature.com/articles/s42256-022-00470-y

随机对照试验（RCTs）被认为是在临床领域检验因果假说的黄金标准；然而，使用标准的统计方法对假设的患者预后变量的因果关系路径进行研究，被认为是不可行的。该研究提出了一种新的自动因果推理方法（AutoCI），它建立在不变因果预测（ICP）框架基础上，用于对临床试验数据进行因果重解释（causal reinterpretation）。与现有方法相比，我们提出的AutoCI允许人们在两个具有成熟结果和大量临床病理和分子数据的子宫内膜癌患者的现实世界RCT中，清楚地确定因果变量。这是通过大幅度抑制非因果变量的因果概率来实现的。在消融研究（Ablation Study）中，我们进一步证明在混杂因素存在的情况下，AutoCI 对因果概率的赋值是一致的。总之，这些结果证实 AutoCI 在现实临床分析中应用中的稳健性和可行性。

图：AutoCI的整体模型说明和性能。上图：AutoCI的说明性方案。在语法（左上角）中，类型T包括原子类型（ATM）、函数类型（FUC）和抽象数据类型（ADT），程序prg包含神经网络（NN）、函数组合（COMP）、连接（CAT）、过滤器（FILTER）、谓词（PRED）等。左下：类型安全函数与通用函数的抽样数量。这里的大小是指程序合成过程中允许的NN和PRED函数的最大数量。底部中间：在有病理、分子和免疫变量的情况下， Jaccard相似系数对前四个类型安全的函数的学习曲线。右下：确定P、PM和PMI的因果变量的运行时间。



3.具有可重构形态、行为和功能的

微型机器人


论文题目：Microrobot collectives with reconfigurable morphologies, behaviors, and functions
论文来源：Nature Communications
论文链接：https://www.nature.com/articles/s41467-022-29882-5#Sec2


移动微型机器人可以导航、感知环境并与其环境交互。因为这些特性，移动微型机器人可能会带来生物医学和环境修复领域的革命。许多自组织的微型机器人群已经被开发出来，以克服单个微型机器人的驱动、传感和操纵的固有限制；然而，在行为之间具有鲁棒转换（robust transitions）的可重构集体很少见。这种执行多种功能的系统在复杂环境中运行是有优势的。在这里，我们展示了一种多功能微型机器人群系统，能够按需重新配置以适应和利用其环境，并在空气-水界面执行各种功能。我们的系统表现出多种模式：从各向同性到各向异性的行为、全局驱动和新型自驱动行为之间的过渡。我们在实验和仿真中展示了不同模式之间的转换，并展示了各种功能，利用我们系统的可重构性来导航、探索和与环境互动。这种具有全局驱动和自驱动行为的多功能微机器人群在未来的医疗和环境应用中具有巨大潜力。


图：借助流体的无接触物体运输。（a）机器人群旋转时微盘周围流动的定性演示。绿色和蓝色的线条是用边缘检测法提取的。（b）机器人群旋转以引导一个紫色的球到右下角。(c)  机器人群通过旋转引导一个球在赛道周边流动。（a-c）中图像的亮度用photoshop进行了增强，以达到更好的视觉效果。（b, c）中的子图像上面的符号代表了集体表现出来的模式。（b, c）中的子图像在底部标明了集体所执行的功能。




4.在ABCD研究中，

共同和独特的大脑网络特征

能够预测认知、个性和心理健康得分


论文题目：Shared and unique brain network features predict cognitive, personality, and mental health scores in the ABCD study
论文来源：Nature Communications
论文链接：https://www.nature.com/articles/s41467-022-29766-8

系统神经科学中的一个基本问题是：大脑网络组织中的个体差异如何导致行为差异性。最近的工作表明，静息态和任务状态的功能连接（functional connectivity）可以预测个体水平的特定特征。然而，大多数研究都集中在单一的行为特征上，因此没有捕捉到更广泛的行为之间的关系。在来自青少年大脑认知发展（Adolescent Brain Cognitive Development，ABCD）研究的 1858 名典型发育儿童的大样本中，我们展示了在认知表现、人格评分和心理健康评估等领域，预测网络特征是不同的。另一方面，每个行为域内的特征由相似的网络特征预测。预测网络特征和模型可以推广到同一行为域中的其他行为。尽管我们知道不同的任务可以调节功能连接组（functional connectome），但预测网络特征在静息态和任务状态之间是相似的。总体而言，我们的研究结果揭示了共同的大脑网络特征，这些特征解释了儿童时期多种行为域内的个体差异。

图：（A）不同大脑状态预测特征矩阵平均值，仅考虑在所有四种大脑状态（静息、MID、SST 和 N-back）中都比较显著的网络内和网络间的区块。（B）通过对（A）中每个网络内和网络间区块中的矩阵进行平均而获得的预测网络连接。（C） 阳性预测特征是通过对面板（A）中各行的阳性预测特征值进行求和得到的。一个脑区的数值越高，说明连接性越强，对行为测量的预测就越高。（D）阴性预测特征是通过对（A）中各行的阴性预测特征值进行求和得到的。一个脑区的数值越高，说明连接性越弱，对行为的预测就越大。在（C）和（D）中，每个区块的颜色对应于400个区块中预测特征值的百分数。为了可视化，A组中每个预测特征矩阵中的值除以了预测特征矩阵所有元素的标准差。该图利用了假设驱动（hypothesis-driven）的行为域。在使用数据驱动的行为聚类（behavioral clusters）以及其他控制分析中，结论也高度相似。



5.三次世界大战：财政-货币的后果


论文题目：Three world wars: Fiscal–monetary consequences
论文来源：PNAS
论文链接：https://www.pnas.org/doi/10.1073/pnas.2200349119


COVID-19 于2020年1月开始传入美国。截至2022年3月4日，该病毒已导致 955 000 名美国人死亡。疫情导致医疗系统紧张。各级政府以财政支出和防疫指挥作为相关对策。在2020年3月中旬，州政府实施了就地避难政策，并迫使非必要企业关闭。裁员人数上升，新招聘人数下降。2020年第二季度，GDP下降9.5%，与此同时，2020年4月的失业率达到14.8%。而相对应的是，在第一次世界大战和第二次世界大战的关键时期，分别有2.8%和8.6%的总人口在军队服役。在本文中，研究人员发现了在二十世纪两次世界大战和现在的 COVID-19 期间，影响美国货币和财政政策的共同力量，然后比较政府和市场对这些力量的反应。美国政府不得不通过征税、借贷或印钞来为战时大幅增加的开支提供资金。在本文中，研究者记录和解释美国政府在这三场世界“大战”中做出的选择及其后果。

图：1900-2031 年支出和收入。其中 2022-2031 年的支出和收入使用 CBO 预测计算。



6.主观心流体验的计算理论


论文题目：A computational theory of the subjective experience of flow
论文来源：Nature Communications
论文链接：https://www.nature.com/articles/s41467-022-29742-2


心流是一种主观状态，其特点是沉浸在自己当前的活动中。心流对生产力和健康的好处是有据可查的，但对心流生成过程的严格描述仍然难以实现。在这里，我们开发并实证检验了心流的计算基础理论：心流的信息论。该理论借鉴了互信息的概念，这是信息论中的一个基本量，用于量化两个变量之间的关联强度。我们提出，期望的最终状态和达到这些状态的手段之间的互信息——I(M; E)——会产生心流。我们通过五个实验（四个预注册）支持上述理论，实验表明在多个活动中，增加I(M; E)会增加心流，并能提升心流带来的效益，包括增强注意力和愉悦感。我们排除了其它可能的衡量心流的方式，包括联想强度，先前被证明可以预测心流的心理构造，以及各种形式的工具性价值。

图：心流实验的注意力结果。实验中所有感兴趣的变量（与心流有关）对注意力表现的影响，可操作为响应时间（RT）和响应时间标准差（RTSD）。RT 和 RTSD 的较低值意味着更强的的注意力。





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