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7月11日-7月17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 可以像人一样感知物理世界吗？受发展心理学启发的深度学习模型下的直觉物理学习
2. 社会规范的影响因“其他”群体而异：来自新冠疫苗接种意愿的证据
3. 只有低收入群体会“寅吃卯粮”？时间贴现的全球性
4. 拓扑介导纳米粒子在大分子网络中的传输
5. 神经胶质细胞动态地解耦脑区之间的神经元同步
6. 通过互联网搜索算法传播社会性别不平等
7. 为什么人们是反科学的，我们能做些什么？



1. AI可以像人一样感知

物理世界吗？受发展心理学启发的

深度学习模型下的直觉物理


论文题目：Intuitive physics learning in a deep-learning model inspired by developmental psychology

论文来源：Nature Human Behaviour
论文链接：https://www.nature.com/articles/s41562-022-01394-8


“直觉物理学”使我们能够与物理世界进行务实的接触，并构成思维中“常识”方面的一个关键组成部分。目前的人工智能系统在对直觉物理学的理解上，甚至与非常年轻的儿童相比，都显得苍白无力。本文通过借鉴发展心理学领域，来解决机器和人类之间的这种差距。首先，我们引入并开源一个机器学习数据集，该数据集旨在评估直觉物理学的概念理解，采用了发展心理学的期望违背（ violation-of-expectation, VoE）范式。其次，我们建立了一个深度学习系统，直接从视觉数据学习直觉物理学，其灵感来自对儿童视觉认知的研究。我们证明了该模型可以学习一系列不同的物理概念，这些概念很大程度上取决于物体层面的表征，与发展心理学的研究结果一致。最后，我们考虑了这些结果对人工智能和人类认知研究的影响。

图：根据发展心理学改动的探测器用于评估物理概念的连续性。物体在时间和空间中追踪一条连续的路径。每一行对应于一个探测元组中的一个暂时下采样的视频。格子背景被用来作为深度的提示，并引入刺激物的视觉多样性。



2. 社会规范的影响因“其他”群体

而异：来自新冠疫苗接种意愿的证据


论文题目：The influence of social norms varies with “others” groups: Evidence from COVID-19 vaccination intentions
论文来源：PNAS
论文链接：https://www.pnas.org/doi/10.1073/pnas.2118770119


健康行为通过社会群体传播的理论意味着，如果人们相信群体中的其他人正在接种疫苗，那么通过接种疫苗控制 COVID-19 的努力就会成功。但“其他人”可以指很多群体，包括家人、邻居、同城或同州的居民，或同党派者。研究这些未被充分研究的区别的一个挑战是，许多因素可能会混淆观察到的社会规范（人们相信别人会做什么）和预期行为（人们自己会做什么）之间的关系，因为两者都有可信的共同原因。我们利用 2020 年秋末在美国收集的 824 个调查样本和 2021 年春的 996 个样本数据，和一个近似于配对随机实验的匹配设计来解决这些问题。结果发现，在控制真正的风险因素（如年龄）以及已知可预测 COVID-19 预防行为的维度（如对科学家的信任）时，感知到的疫苗接种社会规范与疫苗接种意愿之间存在强烈的关系。这种关系的强度随着被询问的社会群体的扩大和异质性的增加而下降。同为共和党的关系在影响程度上仅次于家人和朋友的关系，但在民主党人中却无法检测到这种效应。敏感度分析表明，这些关系只能通过一个不可测量的变量来解释，这个变量对社会规范的认知和接种意愿有很大的影响（比值在2到15之间）。此外，从“虚假共识”观点，即意愿导致感知到的社会规范得到的预测，不能通过假设检验。最后，我们讨论了公共卫生政策和理解社会规范的含义。

图：左图，在配对设计（n = 824）和完整的有效数据（n = 1,992）研究中，对他人疫苗接种意愿的认知（0 = 组内无人肯定会接种疫苗，到 6 = 组内所有人肯定会接种疫苗）与自身意愿（1 = 肯定不会接种疫苗，到 5 = 肯定会接种疫苗）之间的平均配对关系。右图，配对设计的点估计值加上用异方差一致性（HC2）SE 创建的 95% CI。



3. 只有低收入群体会“寅吃卯粮”？

时间贴现的全球性


论文题目：The globalizability of temporal discounting
论文来源：Nature Human Behaviour
论文链接：https://www.nature.com/articles/s41562-022-01392-w


收入不平等和我们偏爱小而即时、而非大却延迟的收益有关系。作者将这种异常行为称为“时间贴现”（temporal discounting），它可能会加剧全球不平等，但目前还不清楚“时间贴现”的出现是因为选择偏好还是社会规范，或者更确切地说，是不是由于缺乏足够的资源来满足眼前的需求。尽管如此，作者也不能确定这些数据确实反映了不同收入群体在选择模式上的真实差异。本文在 61 个国家（N = 13,629）使用当地货币和价值标准测试了时间贴现和五种跨时间的选择异常现象。在不同的样本中，都发现了一致而又稳健的选择异常率。低收入群体的选择模式没有显著差异，收入不平等和财政状况与人口的选择模式明显相关。

图：在收到 COVID-19 救助金后，不同收入人群的消费表现，0 表示发放日，负值表示发放前。图中结果显示，在收到 COVID-19 救助金后，不同收入人群的消费表现基本趋势是一致的。如果平均花费金额以收到款项前 60 天为基准，较低收入人群在收到款项后立即支出超过基准的 23倍，而中等收入和较高收入人群的支出约为基准的 10 倍。但是，除了刚收到救助金那几天，这三组人的基本标准化支出模式几乎完全相同。



4. 拓扑介导纳米粒子

在大分子网络中的传输


论文题目：Topology mediates transport of nanoparticles in macromolecular networks
论文来源：Nature Communications
论文链接：https://www.nature.com/articles/s41467-022-31861-9


纳米粒子在大分子网络的封闭环境中的扩散运输在不同物理系统中普遍存在，并调节着许多生物反应。大分子网络拥有各种拓扑结构，其特点是有不同的度数和亏格（genus）。尽管网络拓扑结构可以在分子水平上进行操作，但拓扑结构如何影响纳米粒子在大分子网络中的运输仍未被探索。本文开发了理论方法与模拟结合，研究纳米粒子在一个由具有确定拓扑结构的网络细胞组成的模型系统中的运输。我们发现，网络细胞的拓扑结构对纳米粒子在网络细胞中经历的自由能景观（FEL，free energy landscape）有深刻的影响，表现出由拓扑结构决定的各种标度律。此外，对细胞拓扑结构对纳米粒子动力学详细行为影响的研究，导致了不同的动力学机制，这些机制超越了有关局部网络环路的细节。这些结果可能会改变网络中传输的物理起源的传统图景。

图：详细介绍网络拓扑结构和自由能景观。（a）高分子网络中粒子的示意图，其拓扑参数为：亏格g、度 n 和功能 k。（b）g=4 时网络单元的标度参数示意图，其中黄色、绿色和红色的箭头分别表示单元的内半径 rin、中半径 rmid 和周半径 rout。（c）不同拓扑结构的大分子网络细胞的示意图。（d）不同拓扑结构的网络中粒子的自由能变化 ΔF 的等值面，标记在右下方，其中比例直径 d/ax = 1.4。右上角的颜色条编码了ΔF的值。



5. 神经胶质细胞

动态地解耦脑区之间的神经元同步


论文题目：Neurogliaform cells dynamically decouple neuronal synchrony between brain areas
论文来源：Science
论文链接：https://www.science.org/doi/10.1126/science.abo3355


有效的跨脑区交流，需要分布式神经元网络动态地同步或解耦正在进行的活动。GABAergic（γ-氨基丁酸）中间神经元会锁定网络振荡期间的神经元集合，那么如何主动脱离同步性并接纳新的通信神经元，这仍然是一个问题。我们记录了清醒小鼠 CA1 海马中已识别的中间神经元的活动。神经胶质细胞（Neurogliaform cells, NGFCs）能够帮助 GABAergic 中间神经元抑制锥体细胞的远端树突，同时将 GABAergic 中间神经元的放电和伽马振荡耦合起来，使局部网络与皮层输入同步。而对于锥体细胞，神经胶质细胞并非加强其与皮层伽马振荡活动的同步，神经胶质细胞的动作电位将锥体细胞的活动从皮质伽马振荡中解耦，但未改变锥体细胞的放电频率也未影响其周围的局部振荡。因此，神经胶质细胞通过暂时性的脱离同步而不降低交流网络的活动来调节信息传递。

图：海马 CA1 区神经胶质细胞（NGFCs）与中频伽马振荡有明显的强耦合。（A）重建出细胞 gl-B182a 的树突（暗红色）和轴突（黑色），这个细胞是在实验 B182a 中记录并标记的。共聚焦扫描显示神经生物素标记的细胞 gl-ES9b（青色）和 GABA_AR_a1 亚基免疫反应性（品红）。细胞 gl-B182a 和 gl-ES9b 鉴定为神经胶质细胞（NGFCs）。图位置 GABAergic（红色圆圈）和锥体细胞（紫色三角形），以及实验中玻璃电极记录的细胞 gl-B182a（暗红色圆圈）。（B）神经元 gl-B182a（暗红色）和其他 GABAergic（红色）、锥体细胞（紫色）以及gammaM（电流源密度：current source density（CSD）和 theta 振荡）。（C）所有 CA1 脑区的 GABA 神经元的耦合强度与放电相位的散点图（n = 262 cells）。估计的神经元胞体位置是彩色编码的；填充的深红色圆圈表示已识别神经胶质细胞。虚线表示强耦合阈值（0.14）。（D）被鉴定为（iNGFC，深红色）和假定（pNGFC，橙色）神经胶质细胞动作电位发放分布图，横轴为 gammaM 相位（归一化到最大值，粗线，均值）。



6. 通过互联网搜索算法

传播社会性别不平等


论文题目：Propagation of societal gender inequality by internet search algorithms
论文来源：PNAS
论文链接：https://www.pnas.org/doi/10.1073/pnas.2204529119


人类越来越依赖人工智能来进行高效和客观的决策，但越来越担心现代人工智能系统使用的算法会产生歧视性的输出，因为它们可能是通过嵌入社会偏见的数据训练出来的。因此，人类决策者使用这些算法可能会扩大现有不平等而不是减少不平等。为了从经验上评估这一假设，我们测试了社会性别不平等和算法搜索输出之间的关系，然后研究了这种输出对人类决策的影响。首先，在两个多国样本中（n=37，52个国家），我们发现国家层面的性别不平等与谷歌图片搜索结果中男性占主导地位的中性关键词“人”（用一个国家的主导语言）有关，揭示了社会层面的差异和算法输出之间的联系。接下来，在对人类参与者（n = 395）进行的一系列实验中，我们证明了与高质量与低质量的算法输出相关的性别差异引导了有性别偏见的原型的形成，并影响了新场景下的雇用决定。这些发现支持了这样的假设：社会层面的性别不平等在互联网搜索算法中被重现，这反过来又会影响人类决策者以加强这些差异的方式行事。

图：性别不平等（来自世界经济论坛 2020 年计算的GGGI，x轴）是谷歌图片搜索结果中性别偏见的函数，这里显示为用语言和每个国家的 IP 地址搜索中性关键词 “人”（person）时，谷歌图片结果中男性的百分比（y 轴）。



7. 为什么人们是反科学的，

我们能做什么？


论文题目：Why are people antiscience, and what can we do about it?
论文来源：PNAS
论文链接：https://www.pnas.org/doi/10.1073/pnas.2120755119


从拒绝接种疫苗到否认气候变化，反科学的观点正在威胁着人类发展。当不同的人得到相同的科学证据时，为什么有些人接受，而有些人却拒绝呢？在探索反科学心理学的各种新兴数据和模型的基础上，我们明确了驱动反科学态度的四个核心基础的关键原则。这些原则基于几十年来对态度、劝说、社会影响、社会认同和信息处理的研究。它们适用于反科学现象的不同领域。具体来说，当科学信息的来源被认为缺乏可信度时，当接收者拥护具有反科学态度的社会成员或群体身份时，当科学信息本身与接收者认为真实、有利、有价值或道德的东西相矛盾时，或者当科学信息的传递与接收者的认识论风格不匹配时，反科学态度更容易出现。政治触发或放大了所有四个基础上的许多原则，使其成为反科学态度中特别强大的力量。在这些关键原则的指导下，我们描述了基于证据的反击策略，以提高公众对科学的接受程度。

表：推动反科学态度的关键原则和解决这些问题的反制策略 。





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