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25日-7月31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. 论个体经济理性测度的可靠性

2. 细胞噪声的颜色：细胞内网络的谱分析

3. 利用物理启发图表征机器学习预测复杂吸附质的结合模体

4. 神经系综活动中的噪声相关性限制了海马空间表征的准确性

5. 重复元件的重组在人类基因组中产生体细胞复杂性

6. 英国45个大型污水处理场 SARS-CoV-2流行情况分析

7. 机器学习自动发现物理系统中的隐藏状态变量

1. 论个体经济理性测度的可靠性


论文题目：On the reliability of individual economic rationality measurements
论文来源：PNAS
论文链接：https://www.pnas.org/doi/10.1073/pnas.2202070119

识别理性背后的决定性因素具有重要的应用价值——政策制定者和各行各业都对理解个人如何做成理性决策有着强烈兴趣，无论是为了设计有效政策、增强公平性，还是调节人才选拔过程。然而必须确保对理性的测量是精确和可靠的，特别是在基础应用的前沿领域。当代行为经济学和神经经济学的研究进程，目的是确定个体差异和（神经）理性的心理相关性。相关研究已经被广泛认可。然而这种针对理性的心理测量，其可靠性并没有获得足够的审查。在这篇论文中，我们从多个原始和公开数据集（总共超过1600名参与者）中发现，当前的理性测量方法的可靠性处于中等甚至偏下的程度。对方差分量的进一步分析，以及允许参与者修改此前选择，表明误差源于被试的低方差而非高测量误差。新工作对相关研究设计和寻找社会人口学或神经预测因子提出了挑战。


2. 细胞噪声的颜色：

细胞内网络的谱分析


论文题目：Frequency spectra and the color of cellular noise
论文来源：Nature Communications
论文链接：https://www.nature.com/articles/s41467-022-31263-x


19世纪傅里叶积分的发明为现代的谱分析方法奠定了基础。傅里叶积分将时间信号分解为其包含的不同频率成分，为其生成过程提供了更深入的见解。虽然这一想法确实促进了许多科学和技术进步，但其在细胞生物领域的影响却受到限制，主要原因在于难以将细胞内的含噪网络与分解单细胞轨道信号得到的频率成分联系起来。在这里，作者提出一种谱理论和计算方法，专门用于计算和分析细胞内含噪网络的频谱。具体来说，作者提出了一种用于计算一般非线性网络频谱的方法，而对于线性网络，作者提出了一种以信号来源的表示方式来对频谱进行分解的方法。作者用几个示例来说明他们基于频率的方法来设计和分析细胞内含噪网络的结果。

图：线性倾向网络的频域分析。（A）这是标准的基因表达模型，mRNA (X1) 被组成型转录，并翻译成蛋白质（X2）。（B）在这个 RNA 剪接网络中，一个基因可以在非活跃（X2）（低转录）和活跃 （X1)（高转录)状态之间随机切换。当转录发生时，产生未剪接的mRNA （X3），然后通过剪接机制转化为剪接的mRNA （X4）。（C）在非相干前馈（IFF）网络中，输入I（恒电平 I0）直接产生输出 O，产生控制物种 C，抑制输出 O 的产生。（D）在负反馈（NFB)网络中，输入I（恒定水平I0)产生控制物种 C，控制物种 C 产生输出物种 O，输出物种 O 反过来抑制I产生 C。图中绘制了所有网络在平稳阶段的单细胞输出轨迹。同时对三种方法（1.分析方法；2.Padé PSD方法；3.平均周期图或 DFT法）单细胞 psd 估计结果进行对比。



3. 利用物理启发的图表征机器学习

预测复杂吸附质的结合模体


论文题目：Predicting binding motifs of complex adsorbates using machine learning with a physics-inspired graph representation
论文来源：Nature Computational Science
论文链接：https://www.nature.com/articles/s43588-022-00280-7


多相催化中的计算筛选越来越依赖机器学习模型来预测关键输入参数，因为直接使用第一性原理方法计算这些参数的成本很高。当考虑到复杂的材料空间，如合金，或与可能表现出双齿或更高齿数的吸附质（adsorption motifs）的复杂反应机制时，这变得尤为重要。本文提出一种基于定制的 Wasserstein Weisfeiler-Lehman（WWL） 图核和高斯过程回归（GPR）的数据有效方法，来预测复杂吸附物在过渡金属及其合金上的结合基序和相关吸附焓。该模型显示出良好的预测性能，不仅对它所训练的元素过渡金属，而且对基于这些过渡金属的合金也是如此。此外，纳入最小的新训练数据可以预测域外的过渡金属。该模型在主动学习方法中可能是有用的，为此作者们提出了一个集合不确定性估计的方法。

图：WWL-GPR 模型的示意图。（a）松弛结构的吸附焓ΔEads是由初始结构的图形表示预测的，其节点属性由气相分子和清洁表面计算而来。（b） WWL内核中两个输入图形的相似性，KWWL，通过首先生成节点嵌入，然后计算它们分布之间的 Wasserstein 距离来计算。（c）表面吸附动机的超参数纳入WWL内核。



4. 神经系综活动中的噪声相关性

限制了海马空间表征的准确性


论文题目：Noise correlations in neural ensemble activity limit the accuracy of hippocampal spatial representations
论文来源：Nature Communications
论文链接：https://www.nature.com/articles/s41467-022-31254-y

老鼠海马 CA1 区的神经元能够编码动物在环境中的位置信息。然而，考虑到单个神经元反应的可变性，我们对这一编码的准确性仍然知之甚少。有人提出，下游区域可以通过整合数千个神经元的活动来实现较高的空间精度，但理论研究指出，放电率的共享波动是一个潜在的限制。在自由运动的小鼠中使用高通量钙成像技术，作者证明了 CA1 空间编码准确性的限制因素。作者发现，海马体中的噪声相关性将空间编码的估计误差限制在 10 厘米左右（也就是老鼠的大小）。根据动物的不同，使用大约 300~1400 个神经元就可以获得最大的准确性。这些发现揭示了大脑空间表征的内在局限性，并表明海马体下游的单个神经元可以从数百个输入中提取最大的空间信息。

图：小鼠 CA1 区神经元活动的噪声相关性。（a）老鼠沿着 L = 120 厘米的线性轨道来回奔跑，并在轨道两端收集水奖励。（b）不同空间位置的神经元的活动水平。（c）左：打乱过程示意图，神经元的反应（列），不同的试验（行）。中：单个细胞逐次试验的 PFs 地图堆栈，按向右运动的最大活动水平排序。右：所有记录的细胞的试验平均反应，不受打乱程序的影响。（d）神经元之间的噪声相关性作为 PF 峰之间距离的函数。


5. 重复元件的重组

在人类基因组中产生体细胞复杂性


论文题目：Recombination of repeat elements generates somatic complexity in human genomes
论文来源：Cell
论文链接：https://www.cell.com/cell/fulltext/S0092-8674(22)00784-X

同源重复元件之间的非等位基因重组对人类的进化，以及遗传疾病有贡献。该研究结合短读长与长读长测序，使用新的生信流程发现，新发的 Alu 和 L1 元件重组广泛地存在于人类基因组中。分析揭示了非等位基因的同源重组特征具有组织特异性，此外，研究发现着丝粒和癌症相关基因富含可能作为重组热点的逆转录元件。作者们比较了人类诱导多能干细胞和分化的神经元的重组概况，发现神经元细胞特异的重复元件重组伴随着细胞命运决定过程中的染色质变化。最后，研究报道帕金森病和阿尔茨海默病患者的逆转录元件的体细胞重组谱发生改变，提示逆转录元件重组和神经退行性疾病的基因组不稳定性之间存在联系。这项工作突出了重复元件的体细胞重组对健康和疾病的基因组多样性的重要贡献。

图：实验设计的示意图。

6. 英国45个大型污水处理场

SARS-CoV-2流行情况分析


论文题目：An analysis of 45 large-scale wastewater sites in England to estimate SARS-CoV-2 community prevalence
论文来源：Nature Communications
论文链接：https://www.nature.com/articles/s41467-022-31753-y

对 COVID-19 大流行病的准确监测可能会因病例报告不足而被削弱，特别是由于无症状或有症状前的感染导致偏差。量化废水中 SARS-CoV-2 RNA 可以用来推断感染率，但灵敏度的不确定性和相当大的可变性意味着准确的测量仍然难以实现。在这里，我们使用了来自英格兰 45 个污水处理场的数据，覆盖了 31% 的人口，估计 SARS-CoV-2 的流行率在代表性的流行率调查估计值的 1.1% 之内（95%的置信度）。利用机器学习和现象学模型，我们表明，采样点之间的差异，特别是废水流速，影响了流行率的估计，需要仔细解释。我们发现，与临床检测数据相比，废水中的 SARS-CoV-2 信号提前 4-5 天出现，但与流行率调查相吻合，这表明废水监测可以成为有症状的病毒感染的一个提前指标。对废水中病毒的监测补充并加强了临床监测，对公共卫生有重大意义。

图：现象学模型与感染调查流行率估计结果的比较。（A）现象学模型估计值（绿色区域）与感染调查三个次区域的废水和流行率数据（蓝点）之间的拟合示例，选择这些数据是为了说明三种情况：次区域（A）（对应性好），次区域（B）（浓度趋于低），次区域（C）（浓度趋于高）。从废水数据中得出的流行率的模型估计值处于相同的数量级，并按照浓度和流行率之间的关系形状使用可能的参数值分布，但置信区间很宽。参数值的综合不确定性超过了数据中看到的变异性。（B）每个子区域内的数据点在现象学模型的50%可信区间内的百分比。（C）每个阳性率的浓度中位数。只显示了与原来44 个废水集水区站点重叠的感染调查子区域。与模型拟合较差的站点（B子图中的黄色）在 C 子图中显示出相对较低（深蓝色）或相对较高（深红色）的浓度。与模型拟合良好的地点（深绿色）往往显示出中等浓度（白色）。



7. 机器学习

自动发现物理系统中的隐藏状态变量


论文题目：Automated discovery of fundamental variables hidden in experimental data
论文来源：Nature Computational Science
论文链接：https://www.nature.com/articles/s43588-022-00281-6

所有物理定律都被描述为状态变量之间的数学关系。这些变量给出相关系统的完整且非冗余描述。然而，尽管计算能力和人工智能变得日益普及，识别隐藏状态变量（hidden state variable）的过程本身却一直抵制自动化。大多数数据驱动的物理现象建模方法仍然依赖于一个假设，即相关状态变量已然已知。一个长期存在的问题是，是否有可能仅从高维观测数据中识别状态变量？

本文提出一个原则来确定，一个观测系统可能有多少状态变量，以及这些变量可能是什么。作者们使用各种物理动力系统（从弹性双摆到火焰）的视频记录，证明了这种方法的有效性。在没有任何基础物理先验知识的情况下，该算法发现了观察到的动力学的内秉维度，并确定了状态变量的候选集。

图：动力系统的两阶段建模。第一阶段：估计内秉维度（intrinsic dimension, ID）。直接根据视频帧（M维）建模动力系统，将几何流形学习算法应用于潜在嵌入（LD），估计描述系统所需自变量的最小数目，即内秉维度。第二阶段：确定神经状态变量。






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