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8月29日-9月4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. 具有长距离扩散传染病模型的簇

2. 用生成对抗网络重构代谢动力学模型

3. 多选择决策的简并边界

4. 用贝叶斯程序归纳法合成人类语言的理论

5. 在基尼系数之外衡量不平等可能会澄清相互矛盾的结果

6. 使用多组学大流行追踪策略解构 COVID-19 严重性的复杂关联因素

7. 性别多元化的团队产生更多新颖和更具影响力的科学思想

8. 当自我走神时: 自发思维中自我产生概念的大脑表征和动力学

1.具有长距离扩散传染病模型的簇

论文题目：Clusters in an Epidemic Model with Long-Range Dispersal

论文来源：Physical Review Letters

论文链接：https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.129.108301

在存在远距离传播的情况下，流行病会在空间上不连贯的区域传播，称为簇（Clusters）。在这里，我们在一个可解的模型中准确地描述了它们在超临界（爆发）和临界状态下的统计特性。我们确定了两个不同的长度尺度，对应于流行病传播区域的主体和外围。我们揭示了一个重要的临界指数，它控制着簇数及其大小的分布以及它们之间的距离。我们还讨论了用远距离弹性来固定雪崩的应用。

图：从原点开始的临界流行病的空间分布，总共有1000个感染者。由于感染者的远距离散布[(1)，α=1.5]，所访问的点形成不相连的簇。半径 ξ 的大部分集中了大部分的感染者，被一个稀疏的外围所包围，包含了所有的感染者。

2.用生成对抗

网络重构代谢动力学模型

论文题目：Reconstructing Kinetic Models for Dynamical Studies of Metabolism using Generative Adversarial Networks

论文来源：Nature Machine Intelligence

论文链接：https://www.nature.com/articles/s42256-022-00519-y

代谢动力学模型通过机械关系将代谢通量、代谢物浓度和酶水平联系起来，使它们对理解、预测和优化生物的行为至关重要。然而，由于缺乏动力学数据，传统的动力学建模往往只能得到少数或没有具有理想动力学性质的动力学模型，这使得分析不可靠，计算效率低下。我们提出了 REKINDLE （使用深度学习重建动力学模型），一个基于深度学习的框架，有效地生成动力学模型，其动力学特性与细胞中观察到的相匹配。我们展示了 REKINDLE 使用少量数据和显著降低的计算需求的新陈代谢生理状态导航的能力。结果表明，数据驱动的神经网络能吸收代谢网络的隐性动力学知识和结构，生成具有定制性质和统计多样性的动力学模型。我们预计，我们的框架将促进我们对代谢的理解，并加快未来的生物技术和健康研究。

图：REKINDLE 框架；步骤 1：在预先设定的条件下测试动力学参数集（模型描述实验观察到的数据，并具有适当的动态特性），并被标记和划分为数据类。步骤 2 ：REKINDLE 使用 GANs 学习上一步得到的带标签数据的分布。步骤 3：从 GAN 中训练的生成器生成新的模型动力学参数，满足预先指定的条件。步骤 4 ：对生成的数据集进行统计和验证测试，以确定施加的条件是否满足。

3.多选择决策的简并边界

论文题目：Degenerate boundaries for multiple-alternative decisions

论文来源：Nature Communications

论文链接：https://www.nature.com/articles/s41467-022-32741-y

两种选择感知决策的集成到阈值模型指导了研究人员对人类和动物行为以及神经处理的理解。尽管此类模型似乎可以自然地扩展到多项选择决策，但尚未就规范框架达成共识，因此仅部分探讨了阈值特征对多项选择的影响。研究人员将顺序贝叶斯推理和决策概念化视为在 n 维中扩散的粒子。通过模拟，研究人员表明，在与时间无关的边界的参数化子集中，最佳决策边界包括一个简并的非线性结构族，它们共同取决于多个累加器的状态和速度-精度的权衡。这种简并与当前只有一个最优阈值的二选结果相反。这样的边界支持静止阈值和崩溃阈值作为决策的最佳策略，这两者都是由非线性边界的静止表示产生的。本项研究结果指向了多项选择决策的规范理论，提供了该框架下最优决策阈值的特征，并为最优决策的静态和动态决策边界之间的辩论提供了依据。

图：三个选项的示例边界，显示两个相反的极端示例

4.用贝叶斯程序归纳法

合成人类语言的理论

论文题目：Synthesizing theories of human language with Bayesian program induction

论文来源：Nature Communications

论文链接：https://www.nature.com/articles/s41467-022-32012-w

科学模型和理论的自动化、数据驱动的构建和评估是人工智能长期面临的挑战。我们提出了一个框架，用于算法合成人类语言的一个基本部分的模型：形态音位学，该系统从声音构建单词形式。我们将贝叶斯推理与程序合成以及受语言学理论和学习与发现的认知模型启发的表述结合起来。通过 58 种不同语言的 70 个数据集，我们的系统为每种语言的形态音系的核心方面合成了人类可解释的模型，有时接近人类语言学家提出的模型。所有 70 个数据集的联合推理自动合成了一个编码可解释的跨语言类型倾向的元模型。最后，同样的算法可以捕捉到少量的学习动态，从一个或几个例子中获得新的形态音系规则。这些结果为语言学和其他科学领域更强大的机器可解释模型的发现提供了途径。

图注：一个形态音位学问题。（a）塞尔维亚-克罗地亚数据，这种语言的词法说明了阳性和阴性形式。这些数据激发了一个形态学规则，通过附加 /a/ 形成了女性形式。（b）为这个分析举了一个反例：clear 的阳性、阴性形式分别是 /yasan/、/yasna/。这些发音是由塞尔维亚-克罗地亚音系解释的。发音 /a/ 插入在单词结尾的辅音对之间，标记为 b 中最后一行所示。（c）显示了该数据进一步推断的词干。这些词干存储在词典中。

5.在基尼系数之外衡量不平等

可能会澄清相互矛盾的结果

论文题目：Measuring inequality beyond the Gini coefficient may clarify conflicting findings

论文来源：Nature Human Behaviour

论文链接：https://www.nature.com/articles/s41562-022-01430-7

以往的研究发现，经济不平等与各种结果之间的关系好坏参半。这些相互矛盾的发现可能在一定程度上源于对基尼系数（Gini coefficient）过分关注，该系数只能粗略地反映不平等。在这里，研究者将不平等的量化概念化为收入分配的数据缩减任务。通过使用美国 3056 个县级收入分布数据集，研究者对 17 个曾被提出的模型进行拟合，并发现多参数模型始终优于单参数模型（即带有单参数量化模型，如基尼系数）。随后的模拟显示，最佳拟合模型为双参数 Ortega 模型，该模型区分了集中在较低收入环境和最高收入环境下的不平等。当应用于一系列领域（包括健康、犯罪和社会流动性等）的 100 个政策结果时，Ortega 双参数通常提供方向和数量上不同于基尼系数的相关性。该研究强调了多参数模型和数据驱动方法研究不平等性时的重要性。

图：俄亥俄州普特南县和德克萨斯州钱伯斯县的收入分布图。（a）反映了基尼系数大致相同（均为0.46）的两个县不同收入层次的收入者人数比例。（b）两个县收入分布的洛伦茨曲线表示法，这表明尽管两种分布的整体的不平等水平相同（即曲线下的面积相同），但各县之间不平等集中的地方不同。

6.使用多组学大流行追踪策略解构

COVID-19严重性的复杂关联因素

论文题目：Deconvoluting complex correlates of COVID-19 severity with a multi-omic pandemic tracking strategy

论文来源：Nature Communications

论文链接：https://www.nature.com/articles/s41467-022-32397-8

新冠疫情对不同种族和民族的人群产生了不同的影响。多组学方法是考察多种族基因组风险的有力工具。研究人员利用流行病追踪策略，对 1049 名个体（736 名 SARS-CoV-2 阳性和 313 名 SARS-CoV-2 阴性）鼻咽拭子的病毒和宿主基因组和转录组进行测序，并将它们与来自电子病例的数字表型相结合。通过混合作图分解的全基因组关联揭示了新的 COVID-19 严重性相关区域，其中包含先前报道的神经、肺部和病毒疾病易感性标志物。共有病毒基因组的系统动力学跟踪显示与疾病严重程度或推断的祖先无关。从残留鼻咽拭子中获得的大量数据与大规模自动提取的临床数据相结合，突出了一种强大的大流行追踪策略，并揭示了高危人群的不同流行病学、遗传和生物学关联。

图：鼻咽微生物组中的 P. yeei 丰度与高严重性 COVID-19 感染相关

7.性别多元化的团队产生

更多新颖和更具影响力的科学思想

论文题目：Gender-diverse teams produce more novel and higher-impact scientific ideas

论文来源：PNAS

论文链接：https://www.pnas.org/doi/10.1073/pnas.2200841119

科学界不断变化的人口结构提出了关于研究团队多样性和研究结果的新问题。我们研究了混合性别研究团队，检查了自 2000 年以来在整个医学科学领域发表的 660 万篇论文，并确定了几个核心发现。首先，混合性别团队发表的论文比例迅速增长，但与空模型的预期相比，混合性别团队的代表性仍然不足。第二，尽管代表性不足，但混合性别团队的出版物比同等规模的同性别团队的出版物要新颖得多，影响也大。第三，一个团队中的性别平衡程度越高，该团队在这些绩效指标上的得分就越高。第四，这些模式在不同的医学子领域具有普遍性。最后，当考虑到许多控制因素和潜在的相关特征（包括个别研究人员的固定效应、团队结构和网络定位）时，男女混合团队的新颖性和影响力优势仍然存在。

图：性别多元化团队的代表性不足。（A）在过去的20年里，女性参与医学研究的人数呈急剧上升趋势。（B）同期不同规模的团队所占比例。主要的变化是，每篇论文由六名或更多研究人员组成的大型团队取代了规模较小的团队，独著和两人团队的下降幅度最大。（C, D）随着时间的推移，男女混合团队的论文份额稳步上升。（E, F）然而，当我们用香农熵来衡量团队的性别多样性时，混合性别团队在医学科学中的代表性明显不足，取决于团队的规模，最高可达 17%。

8.当自我走神时：自发思维中

自我产生概念的大脑表征和动力学

论文题目：When self comes to a wandering mind: Brain representations and dynamics of self-generated concepts in spontaneous thought

论文来源：Science Advances

论文链接：https://www.science.org/doi/10.1126/sciadv.abn8616

自我相关的概念是自发思维的主要组成部分，它们在自然思维流中的动力学很可能揭示一个人的内心状态，这对心理健康很重要。文章进行了一项功能性磁共振成像实验（n = 62），使用新开发的基于自由联想的思维抽样任务来研究自发思维背景下自我生成概念的大脑表征和动力学。概念关联的动态可预测一般负面情感的个体差异，在多个数据集之间复制（n = 196）。反思自我生成的概念，与自传体记忆、概念过程、情绪和自主调节相关的大脑区域密切相关，包括内侧前额叶和内侧颞叶皮层下结构。基于多变量模式的预测模型显示，随着感知到的自我相关性水平的提高，效价的神经表征变得更具有个性化。总体而言，这项研究揭示了自发思维中的自我生成概念如何构建内部情感状态和特质。

图：研究问题和实验概述。（A）主要研究问题及其对应的结果图。（B）实验概述。参与者在功能磁共振成像扫描之前完成了一系列自我报告问卷。在 fMRI 扫描过程中，参与者接受了 FAST，其中包括三个主要部分——概念生成、概念反映和扫描后调查。fMRI 实验有四次运行，每一次都包括概念生成和概念反射任务。对于概念生成任务，我们要求参与者从给定的种子词开始每隔 2.5 秒报告一次他们想到的单词或短语，以响应先前的概念。第一次会议的种子词包括家庭、撕裂、镜子和虐待。在参与者产生 40 个概念链响应后，我们展示了两个连续的响应，并要求他们思考目标（即第二个）概念的个人含义 15 秒。扫描后，我们要求参与者完成对 160 个自我生成概念的扫描后调查。我们再次展示了两个连续的概念，并要求参与者根据其效价、自我相关性、时间、生动性和安全威胁对目标概念进行评分。（C）一位参与者的示例数据显示在价、自我相关性和时间的三维空间上。点表示自己产生的响应，粉线表示来自一次运行的数据。红星表示运行的开始，红点表示结束点。（D）一个参与者数据的网络表示。点代表自我生成的响应，箭头表示概念生成的方向。点颜色代表每个概念的平均效价分数（the averaged valence scores），点大小表示度中心性（即，有多少条边连接到节点）。

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