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30日-6月5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、通过多模态基础模型走向人工智能

2、复杂网络中的相对、局部、全局维度

3、从二元传染和 Ising 数据中完全重建单纯复形

4、谣言模型中从亚临界行为到关联诱导相变

5、系统生物学方法确定候选药物以降低新冠重症患者的死亡率

6、非选择性地分发传染病预防药物可能比基于风险的目标药物更有效

7、从实验室到消费者: 创新、供应链和对自然资源的应用

8、全球科学发展的隐藏结构



1.通过多模态基础模型

走向通用人工只能


论文题目：Towards artificial general intelligence via a multimodal foundation model

论文来源：Nature Communications

论文链接：https://www.nature.com/articles/s41467-022-30761-2


人工智能的基本目标是模仿人类的核心认知活动。尽管人工智能研究已经取得了巨大的成功，但现有的大多数方法只具有单一的认知能力。为了克服这一局限性并向通用人工智能（artificial general intelligence，AGI）迈出坚实的一步，我们开发了一个用大量多模态数据进行预训练的基础模型，它可以快速适应各种下游的认知任务。我们建议通过自监督学习使用从互联网上抓取的弱语义相关数据来预训练这一基础模型，并表明可以在广泛的下游任务中获得有益的结果。特别的，通过开发的模型解释工具，我们证明了这一基础模型现在拥有强大的想象力。我们相信，这项工作朝着人工通用智能迈出了革命性的一步，从常见的“弱人工智能或狭义人工智能”实践转向“强人工智能或广义人工智能”的实践。


图：想象力的网络和神经元的可视化。（a）多模态基础模型高级概念最终嵌入层的可视化。（b）多模态基础模型自由格式文本输入最终嵌入层的可视化。（c）带有与“mountains with”相关语义限制的多模态基础模型最终嵌入层的可视化。（d）具有语义限制的多模态基础模型不同神经元的可视化。



2.复杂网络中的

相对、局部、全局维度


论文题目：Relative, local and global dimension in complex networks

论文来源：Nature Communications

论文链接：https://www.nature.com/articles/s41467-022-30705-w


维度是物体及其所嵌入空间的基本属性。然而， 理想的维度概念，如在欧几里得空间中，并不总是转化为物理空间，因为物理空间可能受到边界的限制并被不均匀性扭曲，或者转化为网络等本质上离散的系统。考虑到局部性、有限性和离散性，可以使用动力学过程来探测空间几何并定义维度。该研究表明，空间中的每个点都可以被分配一个相对于扩散源的相对维度（relative dimension），这一概念为局部和全局维度提供了依赖于尺度的定义，也适用于复杂网络。为了展示相对维度在物理系统中的应用，研究证明了结构蛋白图的局部维度与结构灵活性相关，而相对于活性位点的相对维度揭示了参与变构通信（allosteric communication）的范围。在网络流行病的简单模型中，相对维度能预测节点的传播能力，并能识别网络结构预测传染性的尺度。未来可进一步将维度测量应用于神经元网络、经济贸易、社会网络、洋流以及随机图的比较中。


图：在连续一维区间内（传播源为x=0.33）“相对维度”的应用结果。大部分节点的瞬态响应没有峰值，但是对于靠近传播源的节点，如果边界没有影响，则相对维度接近预期的d=1。



3.从二元传染和Ising数据中

完全重建单纯复形


论文题目：Full reconstruction of simplicial complexes from binary contagion and Ising data

论文来源：Nature Communications

论文链接：https://www.nature.com/articles/s41467-022-30706-9


早前的基于数据的重建工作集中在具有成对或两体相互作用的复杂网络上。现在，人们对具有高阶或多体相互作用的网络越来越感兴趣，这增加了基于可观测数据重建此类网络的需求。我们开发了一个结合统计推断和期望最大化的一般框架，用以基于来自两种离散状态动力学的二进制时间序列数据，通过两体和三体相互作用完全重建2-单纯复形。我们进一步阐明了一个两步方案，以提升重建的精度，同时显著降低计算负载。通过合成和真实世界的2-单纯复形，我们验证了该框架可以如实地识别所有连接，并推断2-单纯复形的完整拓扑。我们还研究了噪声数据或随机扰动的影响，验证了所提出框架的鲁棒性。


图：基于二进制社会传染重建2-单纯复形的示意图。（a）节点数N为30的2-单纯复形。（b）数据矩阵S，用于存储所有节点在不同时间的状态，其中黑色和空白的方块分别表示1和0两种状态。（c）由EM算法得到的对于节点13的两列概率值。（d）基于建立似然函数并基于EM算法最大化的方法得到的两种概率对每个节点i的值，其中蓝点和红点分别表示实际的和不存在的两体或三体相互作用。（e）通过d中的概率推断得出的2-单纯复形，其中两体相互作用被精准预测，但是有两个2-单形没有被预测出来（标记为浅黄色阴影）。（f）通过迭代改进的两步重建策略得到的对于节点13的概率。（g）只记录了S矩阵中概率大于0的列的压缩数据矩阵。（h）通过（g）中的压缩数据得到的对于节点13的两列概率值。（i）两种概率对每个节点i的值。最后，通过i中的概率，（a）中的全部2-单纯复形得以精准重建。



4.谣言模型中

从亚临界行为到关联诱导相变


论文题目：From subcritical behavior to a correlation-induced transition in rumor models

论文来源：Nature Communications

论文链接：https://www.nature.com/articles/s41467-022-30683-z


谣言和信息传播自然产生于人与人之间的互动，由于在当下社会，信息被越来越快地获取（无论其是否可信），这类传播过程对我们的日常生活也逐渐产生越来越大的影响。更具体地说，这些过程包括但不限于信息或八卦的传播，而我们甚至可以对假新闻进行建模。一个流行的传播谣言、数据或新闻的数学模型是 Maki-Thompson 模型。平均场近似法表明，这个模型没有相变，谣言总是传到一小部分人口中。相反，在这里，我们表明在这个模型中存在一个连续相变。此外，我们探索了 Maki–Thompson 模型的修改版本，其中包括遗忘机制，改变了马尔可夫链的性质，并允许使用大量的分析和数值方法。特别是，我们描述了亚临界行为，即谣言的寿命随着传播速度的下降而增加，遵循幂律关系。我们的发现表明，谣言模型的动态行为比以前的研究更加丰富。


谣言模型的相关性不仅限于社会背景。事实上，这类模型启发并构成了所谓的八卦协议的理论基础，八卦协议是用于设计可靠和高效的去中心化分布式协议的强大范式。该协议的应用非常广泛，包括点对点网络 (P2P) 和故障检测等特定任务（例如实现垃圾收集、计算聚合信息、分配资源）。此外，具体的现实示例包括 Gnutella P2P 网络和比特币或以太坊等加密货币网络及其衍生产品。尽管这些例子很容易与我们的日常生活联系起来，但令人惊讶的是，这类过程的探索比其他随机动力学要少得多。


图：Maki-Thompson 的模型以及本文中采用的修改模型：在该图中，卷曲箭头表示由接触驱动的转换，而法线箭头表示自发转换。为了简化符号，节点的状态在圆圈的中心表示，它显示了唯一等于 1 的伯努利随机变量。



5.系统生物学方法确定候选药物

以降低新冠重症患者的死亡率


论文题目：A systems biology approach identifies candidate drugs to reduce mortality in severely ill patients with COVID-19

论文来源：Science Advances

论文链接：https://www.science.org/doi/10.1126/sciadv.abm2510


由新型冠状病毒（SARS-CoV-2）引起的 2019 年新冠疫情的特点之一，是感染的临床结果从无临床症状到死亡之间分布极其不均匀。当下，研究已经产生了用于预防与 COVID-19 相关的重症及死亡的疫苗 。然而，考虑到病毒的持续传播、可能逃避疫苗诱导免疫的新变种的出现、疫苗突破的出现以及普遍的疫苗犹豫，治疗重症的 COVID-19 患者仍然是一个艰巨的临床挑战。不幸的是，这些疫苗的研发并没有与治疗 COVID-19 的有效药物开发进度相同步，于是，医学界迫切需要有效的疗法来治疗 COVID-19 重症患者。


这些治疗选择当中，包括抗病毒药物（例如瑞德西韦），迄今为止，这些药物仅在非严重环境中或针对宿主的治疗下表现出不均匀的效用。对于后者，目前医学指南建议需要补充氧气的患者同步使用地塞米松，但重症患者的死亡率仍然超过 20%。治疗性抗凝剂可降低轻度或中度疾病患者的死亡率 ，而抗白细胞介素抗体（例如托珠单抗和 sarilumab）可以添加到炎症患者的类固醇治疗中。瑞德西韦目前已获得美国食品和药物管理局批准用于治疗 COVID-19 患者 ，但目前尚无临床证据显示它可以提高 COVID-19 住院患者的存活率，并且不被世界卫生组织（WHO）推荐。西班牙的一项临床试验表明，环孢素可降低重症 COVID-19 住院患者的死亡率。由于开发新的抗病毒药物是一项昂贵且耗时的活动，因此药物再利用一直是为 COVID-19 患者发现治疗方案的主要途径。


图：研究设计图式，在住院期间和在重症监护病房期间进行的随访（第 5 天和第 15 天），从健康对照组和 COVID-19 重症患者身上采集血样。从血液中分离出 PBMCs 并捕获用于单细胞 RNA 测序 （scRNA-seq）。CD14+ 单核细胞也从 PBMC 中得到富集并用于表观遗传分析：通过转座酶可及染色质测序（ATAC-seq）测定染色质可及性和通过全基因组亚硫酸氢盐测序（WGBS）进行 DNA 甲基化。


为了解决这一治疗缺陷，本文作者将系统生物学方法应用于对重症住院患者的研究。研究人员表明，在入院时，临床顺序量表上相当数量的幸存者和死于 COVID-19 的患者之间表现出显着差异的单核细胞表观遗传和转录组学属性。研究者将信使 RNA 代谢、RNA 剪接和干扰素信号通路确定为关键的宿主反应，这些反应被无法存活的患者过度激活。这些途径是降低 COVID-19 重症患者死亡率的主要药物靶点，最终本文将他克莫司、佐他替芬和尼达尼布确定为在入院时治疗重症患者的三个强有力的候选药物。



6.非选择性地分发传染病预防药物

可能比基于风险的药物分发更有效


论文题目：Non-selective distribution of infectious disease prevention may outperform risk-based targeting

论文来源：Nature Communications

论文链接：https://www.nature.com/articles/s41467-022-30639-3


疫情防控往往需要对现有的疫苗和预防工具进行最佳分配，以保护易感人群。许多理论都建议优先考虑感染风险最高的人群。但感染风险是很难估计的，特别是对于涉及污名化和边缘化的疾病。我们通过证明一个结论——只有当预防感染的功效高于一个临界值时才应该针对那些高风险人群，从而解决了这个问题，并且通过分析得出了该临界值。我们将此应用于 HIV 的暴露前预防（pre-exposure prophylaxis，PrEP）在男男性行为者（men-having-sex-with-men，MSM）中的分布，其中男男性行为者是 HIV 的易感人群。暴露前预防策略对于避免感染是有效的，但它在全球的推广速度很慢，这表明需要重新审视目前基于风险的分配策略。我们利用来自58个国家的男男性行为者社区的数据，发现非选择性的暴露前预防分配往往优于基于风险的分配，这也是奥卡姆剃刀原理的体现——在逻辑上更简单的策略也更加有效。我们的理论可能有助于设计更加可行和有效的预防措施。


图：（a）k* 作为功效 ϵ 和基线疾病流行率 （没有预防情况下的流行率）的函数。k* 的有限值表示低功效区域，灰色区域表示k*→∞ 的高功效区域，黑色实线表示临界功效  ϵc；（b）临界功效 ϵc 作为接触网络异质性的函数。不同曲线代表不同的基线患病率值。



7.从实验室到消费者：

创新、供应链和对自然资源的应用


论文题目：From the laboratory to the consumer: Innovation, supply chain, and adoption with applications to natural resources

论文来源：PNAS

论文链接：https://www.pnas.org/doi/10.1073/pnas.2115880119


这篇文章分析了从创新理念到最终上市产品的转变过程。这种转变是通过创新和产品的两条协同供应链实现的。产品在创新供应链中开发、测试、升级和引入基本概念并用于商业用途。然后，产品通过产品供应链生产并交付给消费者。我们认为，产品市场可以追溯到产品创新。这些市场一开始往往是非竞争性的，并且这会奖励创新者。信贷准入和风险决定了对合同和产品在空间和时间上的传播的依赖。公共政策鼓励会促进创新和产品供应链，例如支持研究和教育、知识产权保护、低贸易壁垒、科学监管和运作良好的资本市场。我们主张结合经济学、商业和工程学知识的多学科研究，以更好地了解创新公司和供应链的演变。这种理解将有助于制定应对气候变化和粮食安全等挑战的政策。



8.全球科学发展的隐藏结构


论文题目：The latent structure of global scientific development

论文来源：Nature human Behaviour

论文链接：https://www.nature.com/articles/s41562-022-01367-x


科学对创新和经济繁荣至关重要。尽管研究表明，一个国家的科学发展受到地理、历史和经济因素的影响，但尚不清楚是否存在可以为预测和决策提供信息的国家科学发展的普遍结构和轨迹。该研究根据对国际数据库中科学研究的的“出口”产品，即在国际数据库中被索引的出版物，揭示了支撑国家科学发展和全球科学组织的学科关联网络中的三类结构。该研究构建了支撑国家科学发展和全球科学组织的学科相关网络。对国家层面包含哪些研究项目的演变过程的分析表明，虽然各国正在单独进行更多样化的研究，但在过去几十年里，全球科学研究正在变得越来越专业化。通过揭示科学发展的潜在结构并将其与经济发展联系起来，我们的研究成果可以为全球科学发展的演化的构建提供一个新的视角。


图：学科关联网络的框架结果构揭示科学研究分为三个聚簇，我们称之为自然、物理和社会。每个节点对应于一个学科，边的权重代表使两学科共专业化最小时的条件概率。一个节点的面积与该学科的总发布数量成正比。节点颜色映射到五个主要学科类别。





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

​​​​​​​​