处理子抽样问题从有限数据中推断集体属性 | 复杂性科学顶刊精选7篇
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
目录:
2. 闭式连续时间神经网络
3. 基于图注意神经网络预测错义突变的功能影响
4. 默认模式网络中的内在大脑动力学预测视觉意识的无意识波动
5. 基于二维注意的深度神经网络预测蛋白质复合物链间距离图
6. 社会性昆虫空间分工的两种简单运动机制
7. 利用机器学习评估电力供应对生计的影响
1.处理子抽样问题
从有限数据中推断集体属性
论文题目:Tackling the subsampling problem to infer collective properties from limited data 论文来源:Nature Reviews Physics 论文链接:https://www.nature.com/articles/s42254-022-00532-5
图:不同类别的子抽样。上图:空间嵌入网络的典型结构示意图;下图:从空间扩展系统中采样的不同方法,以无标度网络为例说明。随机抽样的优点是可以画出一组具有代表性的节点。加窗抽样提供了良好的局部分辨率,但样本可能不能代表整个系统。滚雪球抽样跟踪选定节点的连接状态,从而揭示该节点的连通性。
2.闭式连续时间神经网络
论文题目:Closed-form continuous-time neural networks 论文来源:Nature Machine Intelligence 论文链接:https://www.nature.com/articles/s42256-022-00556-7
图:神经和突触动力学。突触后神经元通过基于非线性电导的突触模型接收刺激 I(t)。这里,S(t) 代表突触电流。该突触后神经元的膜电位动态由中间呈现的 DE 给出。这个方程式是 LTC 网络的基本构建块,没有已知的闭式表达式。在这里,我们为这个方程提供了一个近似解,它显示了非线性突触与闭式的突触后神经元的相互作用。
3.基于图注意神经网络
预测错义突变的功能影响
论文题目:Predicting functional effect of missense variants using graph attention neural networks 论文来源:Nature Machine Intelligence 论文链接:https://www.nature.com/articles/s42256-022-00561-w
图:gMVP 概述。gMVP 使用图表征蛋白结构,其蛋白质上下文定义为128个氨基酸侧翼的参考氨基酸。感兴趣的氨基酸是中心节点(橙色) ,侧面的氨基酸是上下文节点(颜色为浅绿色),所有上下文节点都与中心节点连接边的特征是协同进化强度,节点特征包括保守性和预测的结构特性。此外,中心节点特征包括氨基酸替代; 上下文节点特征包括一级序列和在人群中预期和观察到的罕见错义变体的数量。模型使用三个单层密集编码的输入特征潜在的向量表征,使用多头注意力(mulri-head attention)层学习上下文向量,然后使用递归神经层与 softmax 层连接。
4.默认模式网络中的内在大脑动力学
预测视觉意识的无意识波动
论文题目:Intrinsic brain dynamics in the Default Mode Network predict involuntary fluctuations of visual awareness 论文来源:Nature Communications 论文链接:https://www.nature.com/articles/s41467-022-34410-6
图:功能核磁指出默认神经网络在当前任务中有参与
5.基于二维注意的深度神经网络
预测蛋白质复合物链间距离图
论文题目:Prediction of inter-chain distance maps of protein complexes with 2D attention-based deep neural networks 论文来源:Nature Communications 论文链接:https://www.nature.com/articles/s41467-022-34600-2
图:HeteroTest2 数据集中异二聚体的前 L/10 接触预测精度直方图。X轴为从0到100%的四个精度区间。Y轴是接触精度落在每个区间的异质体的数量。每个区间分别有40、2、1和12个异质体。
6.社会性昆虫空间分工的
两种简单运动机制
论文题目:Two simple movement mechanisms for spatial division of labour in social insects 论文来源:Nature Communications 论文链接:https://www.nature.com/articles/s41467-022-34706-7
图:年龄、模块分数和任务之间的相关性验证了空间方法。(a, b)蜜蜂和蚂蚁工作群体表现出类似的模块之间的过渡,作为年龄的函数。堆积的条形图表示特定年龄个体的平均模块得分情况。横条表示每个年龄段个体的典型模块得分情况。(c,d)属于不同空间模块的工人表现出不同的任务概况。散点图表示应用于工作人员任务配置文件的 LargeVis 降维结果。点代表不同的个体。点分离表示任务配置文件的相似性。模块分数未用于 LargeVis 分析或任务定义中。
7.利用机器学习
评估电力供应对生计的影响
论文题目:Using machine learning to assess the livelihood impact of electricity access 论文来源:Nature 论文链接:https://www.nature.com/articles/s41586-022-05322-8
图:电力接入率、乌干达电气化和资产财富培训数据。(a)2018年,撒南地区有近 6 亿人无法获得基于中央电网的电力。各国以缺乏电力供应的人数来标示。乌干达在2018年大约有2400万人没有电网供电,用红色边框标出。(b)乌干达的电网近年来迅速扩大,包括该国以前未通电的地区。(c)模型训练中使用的27,174个调查对象的财富指数(大致为村庄),从低资产财富到高资产财富的颜色。数据涵盖了25个国家,历时 13年,代表641,621个家庭调查。
关于Complexity Express
Complex World, Simple Rules. 复杂世界,简单规则。
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 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 论文从哪里来?
-
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!
Complexity Express 追踪哪些领域?
-
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
更多论文
点击“阅读原文”,追踪复杂科学顶刊论文