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5月2日-5月8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、AI 经济学家：基于两级深度多主体强化学习的税收政策设计
2、利用社交媒体数据确定新冠疫情期间遏制政策对公众情绪的影响
3、具有内在异质性的电力网络中的同步化，功率最高可达100%的基于逆变器的可再生能源发电
4、直系同源基因协同进化网络提供了对真核细胞和基因组结构与功能的洞察
5、人类序列处理中统计与规则的理性仲裁
6、动态网络的社区检测方法重溯 HIV-1 M 组病毒的重组历史
7、尽管神经漂移，小鼠海马中的上下文表征仍可维持在相对稳定状态
8、时间分辨编码模型识别人脑多感官相关性计算
1.AI经济学家：基于两级深度多主体
强化学习的税收政策设计
论文题目：The AI Economist: Taxation policy design via two-level deep multiagent reinforcement learning
论文链接：https://www.science.org/doi/10.1126/sciadv.abk2607
人工智能（AI）和强化学习技术（RL）已经在许多领域得到了成功，但是在经济政策设计、机制设计或者整体经济学中还没有被广泛应用。AI经济学家（AI Economist）是一个用于政策设计的两级深度强化学习框架，其中主体和社会政策制定者共同适应。AI 经济学家使用结构化课程学习来稳定具有挑战性的两级共适应学习问题。我们在税收领域验证了这个框架。在单步经济系统，AI经济学家恢复了经济理论中的最优税收政策。在包含时间和空间的经济系统中，AI经济学家极大地改善了实际的社会福利，并取得了超越基准水平的平等与生产力之间的权衡。之所以能做到这一点，是因为尽管存在涌现的税收博弈策略，AI经济学家同时考虑了涌现的劳动专业化、主体间的交互以及行为变化。这些结果表明，两级深度强化框架补充了经济理论，并开启了一种基于人工智能的方法来设计和理解经济政策。
图：AI经济学家通过在经济模拟中设置所得税率来优化社会福利。（A）主体通过决定如何进行劳动和赚取收入来优化个人的税后效用。社会政策制定者和主体都使用强化学习来共同适应和优化他们的行为。主体需要在非平稳环境中优化行为，因为政策制定者的税收决策会改变主体所获得的回报。（B）具有两个主体的经济中的共适应和两级学习的说明。模拟在持续10个纳税年度的时间段中进行，每个模拟年度有100个时间步长。在学习过程中，在n和n + 1的任何时间段之间，政策制定者会改变税率，在行为改变之后，会导致更高的社会福利，这里定义为生产力和平等的产物。
2.利用社交媒体数据确定新冠疫情
期间遏制政策对公众情绪的影响
论文题目：Determining containment policy impacts on public sentiment during the pandemic using social media data
论文链接：https://www.pnas.org/doi/10.1073/pnas.2117292119
为了有效应对新冠肺炎疫情，政策制定者需要有能够近乎实时地评估政策影响的工具。这就要求政策制定者监测政策干预所带来的公众福祉的变化。特别的，遏制措施会影响人们的心理健康，但公众情绪和情感的变化却难以评估。在这里，我们研究了疫情遏制政策对新加坡公众情绪的影响。我们使用2020年1月至11月期间来自备受关注的公共 Facebook 群组的约240,000条帖子的高频数据，计算了从-1到1的每日情绪值。在4月的封锁中，每日情绪值平均上升了0.1个单位，随后在6月部分解除封锁后上升了0.2个单位，而在8月进一步放宽限制后下降了0.15个单位。关于具体遏制措施的影响，情绪下降0.13个单位与出行限制有关，而上升0.18个单位与疫情开始时引入口罩政策有关。情绪下降0.15个单位与封锁后对公共活动的限制有关。病毒感染、戴口罩、工资和工作是帖子关注的主要问题。即使在2020年8月放宽了一些限制，这些担忧仍然让情绪值下降了0.2个单位。在新冠疫情期间，通过社交媒体监测公众的情绪和关注点，能够以多种方式支持政策制定者。首先，这里给出的方法是一个近乎实时的可扩展的解决方案，以研究政策影响。第二，它有助于对现有政策进行数据驱动和基于证据的修订，并在未来实施类似政策。第三，它可以在政策变化后确定公众的关注点，解决这些问题可以增加对政府的信任并改善公众情绪。
图：从Facebook帖子随时间（经过的天数）计算得出的情绪值。第一阶段是预封锁（PrLD，2020年1月15日至4月6日），当时没有遏制政策。随后是新加坡的封锁（LD）阶段（2020年4月7日至6月1日），当时的办公室、学校、商店和休闲场所都关闭，只允许提供基本服务。封锁后时期分为两个阶段，即最初重新开放阶段（PtLD1，2020年6月2 日至8月3日）和进一步放宽阶段（PtLD2，2020年8月4日至11月30日），允许更大的社交聚会。
3.具有内在异质性的电力网络中的
同步化，功率最高可达100%的
基于逆变器的可再生能源发电
论文题目：Synchronization in electric power networks with inherent heterogeneity up to 100% inverter-based renewable generation
论文来源：Nature Communications
论文链接：https://www.nature.com/articles/s41467-022-30164-3
发电机同步运行是电网稳定运行的基础，也是防止非预期损耗和停电的关键。该研究推导出了当受到小扰动时，具有固有发电机异质性的电力网络中保证同步的条件，并且通过执行参数化敏感度分析，以理解不同类型发电机的同步问题。逆变器作为许多可再生能源的主要技术，已经越来越多地取代了同步发电机，相关应用挑战的关注点主要集中在减少系统惯性带来的影响上。我们的结果强调了发电机阻尼在实现稳定的同步状态中的关键作用。此外，我们报告了基于逆变器的可再生能源发电技术对互联电网运行的可行性，其功率贡献高达100%。我们的研究具有重要意义，因为它为先进的控制架构和确保电网同步的优化方法的发展奠定了基础，并进一步为电力部门的脱碳铺平道路。
图：使用工业级电力系统规划软件中实现的高阶模型对分析模型进行验证时，电磁暂态（EMT）动态建模参数是不同的。（a）本文提出的一般二阶分析模型的结果，（b）来自开源的电力系统计算机辅助设计（PSCAD）中的全阶模型的结果。
4.直系同源基因协同进化网络
提供了对真核细胞和
基因组结构与功能的洞察
论文题目：An orthologous gene coevolution network provides insight into eukaryotic cellular and genomic structure and function
论文链接：https://www.science.org/doi/10.1126/sciadv.abn0105
遗传网络——其中节点代表基因，边缘代表节点之间测量的功能关系的图表——可以阐明基因如何组织成通路并有助于细胞功能，从而揭示基因型和表型之间的关系。鉴于遗传网络中包含或源自遗传网络的丰富信息，已经开发了许多旨在捕获基因组中基因之间功能关系的某些方面（例如基因共表达和遗传相互作用）的方法。构建遗传网络的一种互补但研究很少的方法是测量直系同源基因的共同进化，这可以通过计算直系同源基因之间相对进化速率的协变来完成。简而言之，通过估计直系同源基因的系统发育，可以推断其在整个系统发育中的进化速率（和速率变化）；如果对一个直系同源基因系统发育的每个分支估计的进化速率值与另一个基因系统发育的进化速率值显著相关，则称这两个直系同源物是共同进化的。
直系同源基因共同进化经常在共享功能、共表达或其蛋白质产物是多聚体蛋白质结构中的亚基的基因中观察到，并且可以深入了解基因型到表型图。研究人员利用网络在通路和复合物的水平上捕获了共同进化的直系同源基因的功能邻域。他们在来自特定途径和复合物的直系同源基因之间发现了强烈的共同进化特征。例如，编码负责 DNA 复制的蛋白质的直系同源基因与比随机机会预期的更多的其他 DNA 复制直系同源基因共同进化。参与 DNA 错配修复和核苷酸切除修复途径的直系同源基因参与 DNA 损伤的修复，具有比随机机会预期的更多共同进化特征。磷脂酰胆碱生物合成途径中的直系同源基因，负责细胞器膜中主要磷脂的生物合成，以及三羧酸循环中的直系同源基因，这是有氧呼吸的关键组成部分，也有比随机机会预期更多的共同进化特征。在复合物中，编码作为 DNA 解旋酶发挥作用的微型染色体维持蛋白复合物的直系同源基因、组装复制所需的 RNA-DNA 引物的 DNA 聚合酶 α-引物复合物和作为前导链 DNA 聚合酶的 DNA 聚合酶 ε（下图）还与来自同一复合体的大量直系同源物共同进化，比随机机会预期的要多。
研究人员认为，使用来自谱系的直系同源基因共同进化推断的网络与基于单个生物的遗传相互作用推断的网络之间的相似性和差异，是由个体生物的遗传网络的差异驱动的。因此，这些方法为基因之间的功能关联提供了独特的见解。网络之间的另一个区别是萌芽酵母共同进化网络中新发现的结论：例如，基因中心不仅代表功能相关的基因，还代表其功能在漫长的进化时间尺度上保持不变的基因。此外，基因协同进化网络和一维和三维染色体结构的插值为染色体结构和协同进化的相互作用提供了新的见解。尽管染色体间基因关联的已知例子很少，但研究人员发现了染色体间和长程染色体内共同进化的广泛特征，这表明基因功能而不是位置驱动了直系同源基因宏观进化时间尺度上的共同进化。这些结果揭示了以前被低估的全基因组协同进化程度，这种进化在数百万年的萌芽酵母进化中一直保持，这表明真核生物基因组的进化和功能最好被视为广泛相关的基因集合。
总之，研究人员强调了与推断遗传网络的其他方法相比，可以使用协同进化网络推断出的互补和新颖的见解。这里使用的见解和方法将促进这些网络的生成、解释和实用性，用于生命树中的其他谱系。
论文题目：Rational arbitration between statistics and rules in human sequence processing
论文来源：Nature Human Behaviour
论文链接：https://www.nature.com/articles/s41562-021-01259-6
检测和学习时间规律对于准确预测未来至关重要。认知科学长期存在一个争论，涉及到人类群体里存在着两个系统之间的分离，第一个系统用于处理控制单个项目及其转换概率的统计规律，第二个系统则用于处理确定性规则。为了解决这个问题，该研究使用手指追踪法（finger tracking）来持续监控序列处理过程中证据、信心、误报和思想变化的在线累积。行为的所有这些方面都严格符合分层贝叶斯推理模型，该模型具有不同的统计假设空间和规则，但由单一概率机制联结。作为对比，基于单一统计机制或两个不可比较系统的替代模型都被拒绝。该文的结果表明，分层贝叶斯推理机制能够在不同的假设空间上进行统计和规则操作，是人类序列处理能力的基础。
图：规律的分类以及如何从一系列观察中推断出这些规律的规范模型。
6.动态网络的社区检测方法
重溯HIV-1 M组病毒的重组历史
论文题目：Revisiting the recombinant history of HIV-1 group M with dynamic network community detection
论文链接：https://www.pnas.org/doi/10.1073/pnas.2108815119
了解 1 型 HIV 的全球流行病学取决于我们准确重建病毒起源的能力。HIV-1 不同谱系的起源可追溯到黑猩猩（SIVcpz）直接或通过中间宿主向西非和中非人群传播的多种人畜共患免疫缺陷病毒。另一方面，SIVcpz 起源于 SIV 从其他灵长类动物到黑猩猩的多种跨物种传播，两个或多个祖先变体之间广泛重组。其他非人类灵长类动物中的 SIV 也显示出重组起源的证据，并且在整个 SIV 谱系中至少发现了 13 个重组断点和 14 个宿主转换事件。此外，有系统发育证据表明 HIV-1 N 组的祖先是 HIV-1 M 组 (HIV-1/M) 祖先和 SIV 谱系的镶嵌组合。综上所述，这些发现表明重组一直是灵长类慢病毒进化史上重要的进化力量。
研究人员总结了重组检测方法对从时间尺度的 HIV-1/M 系统发育模拟的序列的错误百分比。通过将每个程序的输出映射到按序列和核苷酸位置的聚类分配的相同结果空间来计算错误百分比。他们也总结了不同重组检测程序对 50、100 和 200 个序列的比对计算时间，这些序列来自 n = 37 个具有随机突变的 HIV-1 亚型参考序列。研究人员评估了每个样本大小的 10 次重复模拟。
图：将重组事件嫁接到一个时间尺度的系统发育中来生成更真实的模拟，该系统发育从 n = 37 个 HIV-1 基因组和先验信息重建而来。
本次分析与许多 HIV-1/M 亚型参考基因组实际上是重组的假设一致。这些发现支持这样一种观点，即当前的 HIV-1 命名法是人们理解 HIV-1 多样性和进化的重要框架，应该根据最近的基因组证据重新审视。但研究人员发现，扩大他们的分析范围将产生大量基因组，每个基因组都代表一个集群。然而，利用聚类分配将共有基因组重建为观察到的基因组的马赛克可能是可行的，这可能与全长代表性基因组发挥相同的作用。
7.尽管神经漂移，小鼠海马中的
上下文表征仍可维持在相对稳定状态
论文题目：The representation of context in mouse hippocampus is preserved despite neural drift
论文来源：Nature Communications
论文链接：https://www.nature.com/articles/s41467-022-30198-7
海马体亚区 CA1 代表外部和内部线索的混合——包括环境的形状、视觉地标、对象、任务相关信息和过去的经验——通过改变其空间调整特性主细胞通常统称为认知或海马图。人们曾认为这些细胞在接受相同任务时会重新实例化相同的图谱。然而，尽管存在这些种群水平的动态平衡，但至少在某些情况下，少数细胞可以在长达数月的时间尺度上保持其空间调谐特性。
研究人员对大量 CA1 细胞进行了成像，因为自由行为的老鼠在扩展的几何变形范式中探索了六种不同形状的环境。这种范式引出了部分相关的人口水平地图，使他们能够描述相对代表性结构如何在很长的时间尺度上演变。研究人员发现单个细胞通过对其空间调谐特性的异质但刻板的变化来表示空间背景，这导致了类似吸引子的动态种群响应。表征所有会话的完整表示结构表明，人口活动的长期变化与网络空间中的上下文表示正交发生。因此，尽管在实验过程中不断地进行表征变化，但环境的相对表征结构得以保留，从而允许在数周内一致地读取上下文信息。这些种群水平的动态得到了单细胞水平的异质反应的支持，许多细胞表现出可解释的上下文编码模式，几乎没有漂移的证据，反之亦然。这些结果共同表明神经漂移，即使在重复访问同一环境时观察到的 CA1 空间代码的长期变化，也不会扭曲小鼠海马体中上下文表示的相对结构。
图：适应的几何变形范式可以在扩展体验中表征 CA1 空间编码。
研究人员通过利用相似空间的海马图之间的部分相关性来描述表征内容和长时间尺度动态之间的关系发现，虽然对于这种表征是必要的，但他们在谈论表示状态空间其他部分的持续变化的能力方面受到限制。因此，虽然结果表明，长期尺度变化独立于空间背景的全局模型是最合适的，但仍不能排除表示空间其他部分的全局不一致动态。且尽管在几周的时间尺度上不断变化，但 CA1 中上下文表示的相对结构得以保留。这些结果说明了关于表征内容和在整个大脑中漂移的持续辩论，对海马编码的性质具有根本意义。最后，这些结果激发了未来的实验，以剖析海马结构内外的功能特性与长期动力学之间的关系。
论文题目：Multisensory correlation computations in the human brain identified by a time-resolved encoding model
论文来源：Nature Communications
论文链接：https://www.nature.com/articles/s41467-022-29687-6
在复杂场景分析和多感官对应问题中，协调多感官信息整合与分离的神经机制是必不可少的。然而，这背后的机制及其动力学在很大程度上仍是未知的，部分原因是多感官整合的经典模型是静态的。该研究使用了多感官相关性检测模型，这个模型在进行多感官整合动态计算的同时，对感知过程中的人类行为提供了一个解释器。参与者在记录大脑磁共振的同时，判断听觉和视觉信号的顺序是否来自同一个源头（因果推断），或者是否一种通道引导另一种通道（时间顺序) 。该研究首先证实了多感官相关检测器能很好地解释因果推理和时间顺序的行为判断。其次，该研究还发现大脑活动与颞顶皮层的多感觉相关检测器的两个输出结果非常吻合。最后，该研究报告了对不同模型的拟合程度存在的不对称性，在因果推理任务中比在时间顺序判断任务中更可靠。总的来说，我们的研究结果表明在人类大脑中存在多感官相关检测器，这解释了为什么以及如何强烈地由多感官信号进行时间相关性驱动因果推断。
图：这个模型在生物学上是可信的，因为它整合了基于信号在时间上的互相关，并且实现了贝叶斯最佳线索组合。LFPF：低通滤波器。
Complex World, Simple Rules.
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 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。
-
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：
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：
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
