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11月7日-11月13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. 沟通活性物质的多尺度组织

2. 统计推断将网络科学中的数据和理论联系起来

3. 社会互动导致火蚁运动诱导的相分离

4. 同步与集群：可解的非全同 Swarmalator 模型

5. 基于人类行为的社会运动模型提高了社会机器人的人性化

6. 反常扩散分析中误差估计的贝叶斯深度学习方法

7. 对城市建成高度的卫星测绘揭示发展中国家极端的基础设施差距和不平等现象

8. 数字媒体与民主的全球因果关系证据系统综述

1.沟通活性物质的多尺度组织

论文题目：Multi-scale organization in communicating active matter

论文来源：Nature Communications

论文链接：https://www.nature.com/articles/s41467-022-34484-2

相互作用、自我驱动的个体之间集体运动的涌现是非平衡态物理学的一个中心范式。这种活性物质的例子包括游动的细菌，和细胞骨架运动性测定，到合成自推进胶体和集群微型机器人。值得注意的是，其中许多系统的聚合功能依赖于一个在自然界中无处不在的基本主题：通信。尽管通信具有显著的重要性，但它在活系统的集体组织中的作用还没有得到充分的理解。在这里，我们报告了相互作用的自驱动主体（agent）的多尺度自组织，它们通过局部处理化学信号传输信息。

我们表明，这种通信能力大大扩展了它们形成复杂结构的能力，允许它们在多个层次水平通过一系列集体动态状态进行自组织。我们的发现为自我维持的信号处理在生物系统自组织中的作用提供了深刻见解，并为使用化学驱动的胶体或微型机器人开辟了应用自组织的新路径。

图：自驱动或系统自组织的案例

2.统计推断

将网络科学中的数据和理论联系起来

论文题目：Statistical inference links data and theory in network science

论文来源：Nature Communications

论文链接：https://www.nature.com/articles/s41467-022-34267-9

网络科学在多个领域中的应用持续增加。然而令人惊讶的是，理论的发展和具体领域中的应用往往是独立的，这就有可能导致网络科学理论方法的进步与实践应用的可操作性脱节。本研究建设性地解决了这一风险，探讨了保障成功应用和可复现实验的有效方法。研究者们以统计学为基础，设计有效的方法论来解决网络科学面临的挑战。这种方法允许人们用生成模型来解释观察数据，自然地处理内在的不确定性，并加强理论和应用之间的联系。

图：网络科学中数据与理论的联系。一个相互作用的网络A给出了针对观察数据 D 的结果，通常不应该与数据本身混为一谈。相反，我们需要认识到数据D是以另一个隐藏的网络为条件，通过测量过程 P(D∣A) 的结果。为了估计隐藏网络，我们需要执行另一个推断步骤 P(A∣D)，该步骤需要包括关于网络和数据如何生成的建模假设。所得到的估计参数将具有不确定性，其反映了实验设计、测量精度以及特定重建问题的总体可行性。

3.社会互动

导致火蚁运动诱导的相分离

论文题目：Social interactions lead to motility-induced phase separation in fire ants

论文来源：Nature Communications

论文链接：https://www.nature.com/articles/s41467-022-34181-0

火蚁集群是活性物质（active matter）的一种形式，其中蚂蚁利用它们的内部新陈代谢来自推进。在缺乏相互作用对齐的情况下，理论和模拟预测具有空间依赖运动性的活性物质，可以经历运动诱导的相分离。然而，到目前为止，在实验中驱动这一过程的运动效应要么来自聚集（crowding），要么来自外部参数。虽然火蚁是以非平凡的方式进行交流和合作的社会昆虫，但我们表明，在运动诱导相分离的框架内，也可以理解它们相互作用的影响。在这种情况下，当火蚁彼此接近时，速度减慢会产生有效的吸引力，从而导致填满空间的集群，并最终形成动态异质性。这些结果说明，运动诱导相分离可以提供一个统一的框架，为各种各样的活性物质系统的行为提供合理化。

图：（a）四十只火蚁被关在一个二维培养皿里，它们的轨迹在之前的3秒内呈现为彩色线条。为了清楚起见，单元格的边缘用黑色勾勒出来。（b）蚂蚁的平均速度与它们的 center-to-center distance 成正比。（c）从给定的中心到中心的距离的平均速度计算得出的运动诱导的蚂蚁对之间的有效势。

4.同步与集群：

可解的非全同Swarmalator模型

论文题目：Sync and Swarm: Solvable Model of Nonidentical Swarmalators

论文来源：Physical Review Letters

论文链接：https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.129.208002

我们研究了一个非同质 swarmalator 的模型，该模型是相位振荡器的一般化，既在时间上同步，又能在空间上实现集群。该模型产生了四种集体状态：异步、同步集群、涡旋状相位波和混合状态。这些状态出现在许多现实世界的 swarmalator 系统中，如生物微泳者、化学纳米马达和无人机群。广义的 Ott-Antonsen 方法首次对这些状态及其存在的条件进行了分析描述。我们展示了这种方法如何用于活性物质和相关学科的研究。

图：群体的稳定状态（黑点）投射到单位环上。（a） (J,K)= (1,1) 的异步状态，其中 swarmalator 在空间和相位上都是均匀分布的，用RK45求解器对T=500个时间单位进行自适应步长，N=104个 swarmalator，Δν=Δω=1。（b）(J,K)=(1,40) 的相位波状态，其中 swarmalator 的位置和相位是相关的。（c） (J,K)=(8,9) 的同步状态，其中在空间和时间上同步的集群器与漂移的集群器共存。

5.基于人类行为的社会运动模型

提高了社会机器人的人性化

论文题目：Human-behaviour-based social locomotion model improves the humanization of social robots

论文来源：Nature Machine Intelligence

论文链接：https://www.nature.com/articles/s42256-022-00542-z

要实现机器人在服务领域的广泛使用，就需要创造出模仿人类社会行为的类人机器人。以前的定量研究存在于人类社会行为中，但社会机器人工程需要将这些发现转化为算法，以实现可靠和安全的机器人运动。为了弥补这一差距，我们首先定量研究了在实验室和现实世界的实验中，人们在社会环境中相互传递时适用的社会规则。然后，我们根据这些观察结果开发了一个社会运动模型，以预测人类在复杂动态社会场景中的路径选择和行走轨迹。该模型在一个服务机器人的社会意识导航算法中被实现。与之前测试的社交导航算法相比，通过社交运动算法导航的机器人表现得更像人类，并获得了更高的舒适度评价。该模型为如何将人类行为实验的结果直接转化为机器人工程提供了新的启示。

图：社会运动模型对现实社会场景中人类行走轨迹的预测。（a）对经过实验者的行人（n = 157）的模型预测。左图为实验场景。中间部分显示了人类的行走轨迹（深绿色），由社会运动模型（青色）、COMPANIAN 模型（粉色）和 n-Body 模型（蓝色）预测的轨迹，以刺激条件为例。误差带的中心代表观察数据的平均值。右图显示了社会运动模型（青色）、COMPANIAN 模型（粉色）和 n-Body 模型（蓝色）的预测误差。（b）动态真实场景中的多人模型预测（n = 5名人类参与者）。

6.反常扩散分析中误差估计的

贝叶斯深度学习方法

论文题目：Bayesian deep learning for error estimation in the analysis of anomalous diffusion

论文来源：Nature Communications

论文链接：https://www.nature.com/articles/s41467-022-34305-6

现代单粒子追踪技术在各种系统中产生了大量的扩散运动的时间序列数据，从活细胞的单分子运动到运动生态学。现在的任务是破译数据中编码的物理机制，从而更好地理解被探测系统。我们在此增强了最近提出的用于解码异常扩散数据的机器学习技术，以便在预测输出之外还包括不确定性估计。

为了避免黑匣子问题，我们使用了名为随机加权平均高斯（Stochastic-Weight-Averaging-Gaussian）的贝叶斯深度学习技术来训练模型，用于扩散模型的分类和单粒子轨迹的反常扩散指数的回归。评估它们的性能，我们发现这些模型可以实现良好的校准误差估计，同时保持高的预测精度。在对输出不确定性预测的分析中，我们将其与基础扩散模型的属性联系起来，从而对机器的学习过程和输出的相关性进行了深入了解。

图 1：不同扩散模型的图示。我们展示了正常（a）和异常（b）扩散的样本轨迹。所有显示的轨迹都被高斯白噪声破坏。

7.对城市建成高度的卫星测绘揭示

发展中国家极端的

基础设施差距和不平等现象

论文题目：Satellite mapping of urban built-up heights reveals extreme infrastructure gaps and inequalities in the Global South

论文来源：PNAS

论文链接：https://www.pnas.org/doi/full/10.1073/pnas.2214813119

掌握城市基础设施建筑的信息对于理解城市在环境、经济和社会成果方面的作用至关重要。由于缺乏大面积的建成高度数据，限制了人们描述城市基础设施及其在全世界的空间变化的能力。在这里，研究者们根据 Sentinel-1 地面探测卫星的数据，以 500 米的分辨率得到了 2015 年的全球城市建成高度图集。

结果显示，与全球平均水平相比，发展中国家的人均城市建成基础设施存在极大差距。若与发达国家的平均水平相比，差距甚至更大，一些发达国家的人均城市已建基础设施比发展中国家高出了 30 多倍。结果还表明，45 个发达国家（占全球人口的16%）的已建基础设施与114个发展中国家（占全球人口的74%）的已建基础设施大致相当。用不平等指数衡量城市已建基础设施的不平等，该指标在大多数国家中都很大，但发展中国家的指标数却更大。该研究结果揭示了发展中国家为实现可持续发展目标所需的基础设施需求规模。

图：全球北方和南方城市建成基础设施的份额。全球北放共有 45 个国家和全球南方 114 个国家拥有大致相同百分比的全球建成基础设施。

8.数字媒体与民主的

全球因果关系证据系统综述

论文题目：A systematic review of worldwide causal and correlational evidence on digital media and democracy

论文来源：Nature Human Behaviour

论文链接：https://www.nature.com/articles/s41562-022-01460-1

当今最具争议和影响的问题之一，是全球数字媒体的普及是否与民主的衰落有因果关系。我们对数字媒体使用和不同政治变量之间的因果关系和相关证据（N=496篇文章）进行了系统回顾。一些关联，如政治参与和信息消费的增加，很可能对民主有利，并且经常在专制国家和新兴民主国家观察到。其他关联，如政治信任度下降、民粹主义增加和两极分化加剧，可能对民主不利，在已成熟的民主国家更为明显。虽然数字媒体对政治制度的影响取决于具体的变量和相关的制度，但有几个变量显示出明确的关联方向。这些证据要求政府和民间社会开展研究并保持警惕，以更好地理解、设计和规范数字媒体与民主的相互作用。

图：全样本的关联方向分布。报告了各种政治变量的关联方向。插图显示了与信任、新闻曝光、两极分化和网络同质性关联在与其相关的不同数字媒体变量上的分布示例。

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