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「我的集智」推送论文信息。


扫描下方二维码，关注“我的集智”服务号，即可订阅Complexity Express：           

 



Complexity Express 一周论文精选




以下是2022年10月31日-11月6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. 控制不可控：开放系统动力学的量子控制
2. 大型生态系统稳定性的延迟效应
3. 将全局自上而下的视角与大脑中的第一人称视角联系起来
4. 遗传算法揭示了情感识别中深刻的个体差异
5. 量化想象与自传故事的叙事流
6. 网络模体塑造地球水分循环枢纽的独特功能


1.控制不可控：

开放系统动力学的量子控制


论文题目：Controlling the uncontrollable: Quantum control of open-system dynamics
论文来源：Science Advances
论文链接：https://www.science.org/doi/10.1126/sciadv.add0828

开放量子系统的控制是当前实现量子技术的关键。考虑到驱动器可以修改系统与环境的交互这一事实，研究人员使用一个热力学一致的框架演示了这种控制。这样的效应被纳入动力学方程中，导致依赖控制的耗散。这种关系是开放系统控制的关键要素。通过分析熵变化的状态间转换，如加热和冷却，研究人员揭示了控制的范式。对于具有完全记忆损失的非酉重设映射，他们实现了控制量子门的艰巨任务。此外，研究人员还确定了一种通过主动消除系统到环境的熵来控制酉门的机制。他们证明了耗散下的单和双量子位酉门的通用集。

图：加热和冷却解的控制轨迹显示在布洛赫球上。共同的初始热态用 x 轴上的橙色点表示。在 σz 方向上，布洛赫球表面的冷却轨迹单调地接近纯态。加热轨迹横过一个更复杂的轨迹，首先表现出纯度的增加（内球体代表初始纯度），到最后阶段，在原点接近完全混合状态。这些轨迹构成最优控制问题的一个可能解决方案。



2.大型生态系统稳定性的延迟效应


论文题目：Delay effects on the stability of large ecosystems
论文来源：PNAS
论文链接：https://www.pnas.org/doi/full/10.1073/pnas.2211449119

二十世纪中期生态学家们的共同直觉是，大型生态系统应该比那些物种数量较少的生态系统更稳定。这一观点受到了 Robert May 的挑战，他发现随机组合的生态系统存在一个稳定性上界；当物种数量足够多时，它们就变得不稳定了。

在目前的工作中，我们表明，当一个物种过去的种群密度影响到它自己的当前密度时，May 的稳定性上界会发生很大的变化。这是现实系统中的一个共同特征，物种相互作用的影响可能在一个时间延迟后出现，而不是立即出现。这些具有自我相互作用模型的局部稳定性是由稳定性上界描述的，我们在参数空间中对其进行了刻画。我们发现了一条临界延迟曲线，它将稳定区域与不稳定区域分开，相应地，我们确定了一条临界频率曲线，它提供了系统在不稳定阈值的特征频率。最后，我们以分析的方式计算了扩展 Wigner 定律及 Girko 定律的特征值的分布。有趣的是，我们发现，对于足够长的延迟，随机耦合系统的特征值是复杂的，即使相互作用是对称的。

图：模型模拟的临界曲线。


3.将全局自上而下的视角

与大脑中的第一人称视角联系起来


论文题目：Linking global top-down views to first-person views in the brain
论文来源：PNAS
论文链接：https://www.pnas.org/doi/full/10.1073/pnas.2202024119

人类和其他动物具有一种非凡能力，可以将他们的位置从一个空间参照系转换到另一个空间参照系。在自上而下和第一人称视角之间无缝转移的能力对于导航、记忆形成和其他认知任务非常重要。有证据表明，内侧颞叶和其他皮质区域对这一功能有贡献。

为了了解神经系统如何进行这些计算，我们使用变分自编码器（VAE）从机器人模拟的自上而下视角中重建第一人称视角，反之亦然。VAE 中的许多潜在变量与神经元记录中的反应相似，包括特定地点的活动、头部方向调节和到局部物体的距离编码。当从自上而下的视角重建第一人称视角时，特定位置的反应很突出，但从第一人称视角重建自上而下的视角时，头部方向的反应很突出。在这两种情况下，模型可以从扰动中恢复，不需要重新训练，而是通过重新映射。这些结果可以促进我们对大脑区域如何支持视角联系和转换的理解。

图：仿真设置和模型结构。（A）机器人自由探索一个正方形的竞技场，其中有三个彩色的圆柱体。机器人位于右侧中间位置，面对蓝色圆柱体。(B, C）VAE 重建机器人模拟的图像。对编码器和解码器之间的潜在变量进行分析，以了解视图之间的转换和联系。



4.遗传算法

揭示情感识别中深刻的个体差异


论文题目：Genetic algorithms reveal profound individual differences in emotion recognition
论文来源：PNAS
论文链接：https://www.pnas.org/doi/full/10.1073/pnas.2201380119

情感交流依赖于表达者和观看者之间对传播特定情感的面部形态的相互理解。然而，我们不知道人们是否对情绪状态如何映射到面部表情有共同的理解。这是因为表情存在于一个高维的空间中，在传统的实验范式中无法探索。

在这里，我们通过调整遗传算法并将其与逼真的三维化身相结合，来解决这个问题，以有效地探索高维的表情空间。共有 336 人使用这些工具来生成代表快乐、恐惧、悲伤和愤怒的面部表情。我们发现通过程序生成的表情有很大的差异性，这表明不同的人将不同的面部表情与相同的情绪状态联系起来。然后，我们通过要求人们对不同的测试表情进行分类，研究了所产生的面部表情的变化，分析这些变化是否可以解释标准情绪识别任务中的表现差异。我们发现，情绪分类的表现，是由测试表情与每个人产生的表情的匹配程度来解释的。我们的发现揭示了人们对面部情绪表征的广泛差异，即使在典型的成年人群中也是如此。这对解释对情绪刺激的反应有深远的意义，这可能反映了人们归因于特定面部表情的情绪类别的个体差异，而不是产生情绪反应的大脑机制的差异。

图：参与者在逼真的头像上创造面部表情，以描述核心情绪类别。（A）头像上的表情是通过 149 个面部表情维度控制的。（B）遗传算法通过模仿生物进化机制的选择和随机突变过程来进化表情。在试验中，参与者选择与他们负责创造的目标表情相匹配的表情（任何数量，从 1 到 10 个选择），并在这些选择中指出与目标表情最匹配的表情。（C）在不同的试验中，表情是根据这些选择演化出来的，到第 11 次试验（第 10 代）时收敛于他们的首选面部表情。最后的最佳例子选择被作为目标情绪的首选面部表情。



5.量化想象与自传故事的叙事流


论文题目：Quantifying the narrative flow of imagined versus autobiographical stories
论文来源：PNAS
论文链接：https://www.pnas.org/doi/full/10.1073/pnas.2211715119

终生的经验和学到的知识，导致人们对常见情况的发展有着共同的期望。这种关于叙事事件流的知识使人们能够将故事编织起来。然而，评估叙事中的事件流的可比性的计算工具是有限的。我们通过引入顺序性（sequentiality）来量化自传体和想象故事之间的差异，顺序性是对事件的叙事流的度量，是从一个前沿的大型语言模型（GPT-3）中得出的概率推断。顺序性通过比较一个句子有无其前面的故事背景的概率来捕捉叙事的流程。

我们应用我们的测量方法，研究了数以千计的类似日记式的故事，这些故事是从人群中收集的，关于最近记忆中的经历或关于同一主题的想象故事。结果显示，想象的故事比自传体故事有更高的顺序性，而且自传体故事的顺序性在几个月后重述时候会增加。为了更深入地理解顺序性如何测量叙述的流程，我们探讨了故事句子中重要和次要事件的比例，正如众人所注释的那样。我们发现，较低的顺序性与较高的重要事件比例有关。这些方法和结果突出表明，我们可以在匹配的想象和自传故事的大型语料库中使用前沿计算分析，如顺序性，以研究记忆和推理对语言生成过程的影响。

图：图形模型描述了顺序性的两个组成部分。顺序性反映了一个关于主题 T 的故事中连续句子之间的概率关系，并被计算为仅以故事主题为条件的句子（即主题驱动模型；上）与以故事主题和所有前面句子为背景的句子（即上下文模型；下）的对数可能性之间的差异。



6.网络模体

塑造地球水分循环枢纽的独特功能


论文题目：Network motifs shape distinct functioning of Earth’s moisture recycling hubs
论文来源：Nature Communications
论文来源：https://www.nature.com/articles/s41467-022-34229-1

地球的水文循环主要取决于连接蒸发和降水的大气水分流动。在这里，我们将十年来基于再分析的水分模拟转换为高分辨率的全球空间水分流动的定向网络。我们揭示了全球和局部的网络结构，为全球水文循环提供了新的视角。

我们确定了四个陆地水分循环枢纽：亚马逊流域、刚果雨林、南亚和印度尼西亚群岛。网络模体揭示了这些地区的功能对比，其中亚马逊流域强烈依赖定向连接（前馈环路）进行水分再分配，而其他枢纽则依赖相互的水分连接（零环路和邻接环路）。我们的结论是，地球上的水分循环中心具有特定的拓扑结构，这些结构影响了土地利用变化和气候变暖，并进而塑造了这些变化对降水模式的异质性影响。

图：全球水分循环网络的入度和出度。（a, b）所有连接的入度和出度。（c, d）仅指陆地与陆地间的水分相互作用。





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“我的集智”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