2021年诺贝尔物理学奖终于垂青复杂系统研究领域，表彰三位获奖者真锅淑郎（Syukuro Manabe）、克劳斯·哈塞尔曼（Klaus Hasselmann），以及乔治·帕里西（Giorgio Parisi）“为我们理解复杂物理系统所做出的开创性贡献”。为了庆祝这一里程碑式的成就，JPhys Complexity 编辑委员会对复杂性科学领域的成就、挑战和未来前景发表了一系列观点。JPhys Complexity 杂志编委吕琳媛参与了这次公开讨论，回顾了复杂系统研究迄今取得的进展，探讨了该领域的关键科学挑战、环境挑战和社会挑战，并概述未来二十年复杂科学研究的前景。2022年底，集智俱乐部曾采访吕琳媛教授，后文一并附上。
研究领域：复杂系统，网络科学，高阶网络，人工智能，跨学科研究
吕琳媛：国家自然科学基金优秀青年科学基金获得者，国际网络科学学会理事，2022年 Erdős-Rényi 奖获得者，2021年“科学探索奖”获得者，入选爱思唯尔（Elsevier）中国高被引学者。她创办的 Linyuan Lab 主要从事复杂系统与复杂网络方向的研究，特别关注网络信息挖掘、高阶网络分析、网络社会计算、脑科学与人工智能等领域研究。
吕琳媛 | 作者
朱欣怡 | 译者
刘哲依、梁金 | 审校
邓一雪 | 编辑
原文题目：
Complex systems in the spotlight: next steps after the 2021 Nobel Prize in Physics 原文链接：
https://iopscience.iop.org/article/10.1088/2632-072X/ac7f75
复杂系统由以非线性方式相互作用的大量主体组成，这些主体之间的相互作用能涌现出主体之间简单相加不能产生的复杂现象。不同领域的复杂系统具有可建模和研究的普适规律。
例如，一架飞机由数千万个部件组成，但只要我们了解每个部件的功能，就可以了解它的飞行原理；而对于我们的大脑，即使我们明白每个神经元如何工作的，仍不知道意识、智慧是如何产生的。因此，能够（借助还原论）通过分解来理解的系统（即整体等于部分之和的系统）是复杂的，但它们不是复杂性科学所研究的对象。像大脑这样的整体功能和性质不是各组成部分线性之和的系统，才是我们真正感兴趣的复杂系统。这就像鸟群一样，一只鸟的飞行是力学问题，而一群鸟的飞行就是复杂性科学的问题了。
探索并揭示复杂系统的内在机制是复杂性科学研究的长期挑战。另外，随着数据可获取性的快速提升，处理大规模异构（含噪）数据并将其建模为动态系统，也是复杂性科学未来面临的重要挑战。具体而言，挑战包括：
• 如何超越相关关系，找到复杂系统中的因果关系，是近期复杂性科学领域研究的焦点，最近不断有新的方法提出。
• 大脑是复杂系统最典型的例子之一，如何从复杂性科学的角度理解大脑的功能也是一个重大挑战。这一研究将有助于解决（或者至少推进）脑科学领域诸多尚未解决的基本问题，如神经回路结构与其功能之间的关系，脑网络结构与疾病和认知之间的关联等。
• 如何超越成对相互作用分析复杂系统，是深入理解复杂系统的关键。与高阶相互作用相关的几个挑战包括：（a）从数据中识别、量化和重构高阶相互作用（和高阶结构）；（b）在具有高阶相互作用的系统中，探索复杂动力学涌现的基本原则；（c）从高阶相互作用的角度研究复杂系统功能的演化与调控。
• 如何结合网络科学与人工智能，提出更好的理论和方法，以解决实际问题。
• 如何充分利用复杂性科学的理论和方法，将其与大规模的真实数据结合起来，以改善人类生活的各个方面，并为政策制定提供研究支撑。
这是诺贝尔物理学奖第一次明确授予复杂系统的研究，具有里程碑意义，这表示复杂系统科学的重要性和贡献得到了自然科学界最高奖项的认可。我相信2021年诺贝尔物理学奖将推动复杂性科学的蓬勃发展，其理论和方法将广泛应用于各个研究领域。2000年，斯蒂芬·霍金曾说：“我认为下一个世纪将是复杂性的世纪。”没错，他是对的！
复杂系统是有序与无序的混合体，这正是系统的复杂性所在，具体而言，复杂系统中的主体以无序的方式相互作用，而在无序的相互作用中又能涌现出复杂系统的有序性。这种有序对于扰动是鲁棒的。与此同时，复杂系统具有高度灵活性，其演变对各种条件十分敏感。系统的最佳状态可能是一种动态的平衡。从这个角度来看，我认为深入理解这种相互作用的两个关键问题是：定义这种复杂机制背后的简单规则，及预测复杂系统的未来演变。
复杂系统是高度动态和敏感的。我们无法奢求具体而准确地预测未来，最多只能期望预测事件发生的概率（类似于天气预报）。这并不是因为缺乏信息，而是因为复杂系统中即使是微小的扰动也可能被放大从而产生不可预测的结果（例如，蝴蝶效应、混沌……）。而对于具有稳定模式的事件，只要我们能够收集到足够多的历史数据，就可以预测事件发生的概率。
比如，通过分析用户在互联网上的行为特征，就可以推荐他/她可能感兴趣的内容（如短视频、新闻、书籍、产品等）。感兴趣的读者可以阅读邓肯·瓦茨（ Duncan J Watts）的《Everything is Obvious》一书，书中有更多例子（该书的中文译本为《反常识》）。该书中提到，常识在处理简单问题时非常成功和有效，但在处理（复杂性科学中的）复杂问题时失败的概率很高。所以对于复杂问题，过去的成功经验实际上效果非常有限，甚至会起到负面作用（例如，黑天鹅）。
理解复杂系统需要跨学科研究。复杂性科学将来自不同学科的认识整合为全面的理解，可以使我们进一步发展具有普适性的方法。例如，我们可以利用物理学的知识来识别社会系统中的规律并用于解决实际问题。因此，主要的挑战在于，弄清楚哪门学科、何种视角有助于理解所研究的目标系统。对很多复杂系统而言，出现的问题是跨学科问题，即超出单一学科领域的问题，需要跨学科方法。目前的关键是如何加强多学科合作，从教育的角度来讲，需要进行一些教育改革，以培养复杂性科学研究中的跨学科研究人才，对于这一问题，我认为在不同学科课程中增加复杂系统相关课程和实践是有益的。
全世界复杂性科学研究者需要携手共创未来，我们应该加强联系与合作，共同推动复杂性科学的发展，促进复杂性科学在人类生存和发展等重要领域中发挥作用。
复杂系统的骨架：网络
—— 专访“科学探索奖”获奖人吕琳媛
吕琳媛 | 受访
刘培源 | 采访
吕琳媛：我主要从事统计物理与信息科学交叉领域的前沿研究，关注网络信息挖掘基础理论和关键方法。网络信息挖掘是复杂系统研究的重要方向，其核心问题是如何快速、高效地从大规模网络中挖掘出有价值的信息。这方面的研究不仅为理解大脑、信息、城市等各类复杂系统的结构、功能、演化机制提供了理论框架和方法论的支撑，也具有重要的应用价值。近年，我们重点关注网络高阶分析（即以一种新的高阶视角对网络进行研究）方面的理论及应用研究。
吕琳媛：复杂网络是描述复杂系统的抽象模型，其中，节点表示复杂系统中的组成元素，节点之间的连边表示各元素之间的相互作用。真实世界中的许多复杂系统都可以用复杂网络的形式进行描述，不同系统所具有的共性蕴含在其所对应的网络结构中。复杂网络也为不同学科领域的复杂系统研究提供了重要的理论和方法，是复杂系统研究发展到21世纪，伴随着互联网、大数据、人工智能的发展涌现的一个新兴前沿方向。
吕琳媛：我们知道，一个网络包含两个基本要素，即节点和连边（或链路）。在网络的框架下，网络信息挖掘就可以从对节点和连边的认识这两个基本的研究路径出发，分别对应重要节点挖掘和重要链路挖掘两个问题。前者本质上就是对节点的重要性进行排序，而后者又可细分为对缺失链接的预测，即链路预测问题，以及对虚假链接的识别问题。
链路预测基于已观察到的网络结构来预测网络中未连接的两个节点之间形成链路的可能性，预测对象既包括可能在观察中被忽略的链路，也包括未来可能出现的链路。链路预测本质上是从网络链路的微观层面解释网络结构生成的原因，具有广泛的应用场景，例如，其可以用于在线社交网络的好友推荐、指导生物网络的结构验证实验、预测疾病和致病基因的关系。
在网络中，重要节点是指相比其他节点能够在更大程度上影响网络的结构与功能的一些特殊节点，节点排序（或称节点重要性排序、重要节点挖掘）旨在将这类特殊节点识别出来。对重要节点挖掘的研究不仅具有理论意义，也可以解决与社会经济相关的现实问题，如遏制传染病传播、控制社交媒体舆情、防控级联故障等。
近年，我们利用统计物理学的理论和方法解决了信息领域中的若干重要问题，原创性地提出了以系综理论和似然分析为基础的网络信息挖掘基础理论体系，以及以扩散动力学为基础的网络信息挖掘系列方法，相关研究推动形成了一个新的物理、信息交叉研究方向，成果也获得广泛应用。
比较有代表性的是，在链路预测方面，我们首次提出网络链路可预测性的概念并给出定量刻画指标，被国际同行称为链路预测领域的一个里程碑；在重要节点挖掘方面，我们首次揭示了过去30年被认为不相关的三个重要指标——度中心性，H-指数和核数——的内在联系（即网络的DHC定理），并提出有效挖掘网络中重要节点的系列算法，解决大规模演化网络的重要节点识别难题。目前已有部分研究成果被应用于网络舆情监控、致病基因预测、医保欺诈识别、电子商务服务等实际系统中。
-
2021年复杂系统研究者获得诺贝尔物理学奖对复杂科学意味着什么？
吕琳媛：这是诺贝尔物理学奖首次明确授予对复杂系统的研究，对复杂系统研究具有里程碑意义，对于从事相关研究的学者也是一个极大的鼓舞。这既说明复杂系统领域的研究和重要成果已经获得科学界的认可，也表明通过具体系统的研究发展复杂系统的基本理论仍然任重道远。我相信，这一事件将推动复杂系统研究的进一步发展，尤其是在当今的数字化时代，复杂系统与复杂网络的理论和方法有了更为广阔的用武之地，在其与人工智能、生物、社会、经济等多学科交叉融合的过程中不断涌现出更具挑战的新问题，有待进一步深入探索。
-
恭喜您获得国际网络科学学会 2022 Erdős-Rényi 奖，您怎样看中国学者在复杂科学领域的贡献？
吕琳媛：在我国，最早由钱学森先生与一批科技人员对复杂系统进行了积极的探索，我国知名系统科学专家方福康老师也是其中之一，他也是我的母校北京师范大学管理学院（现在的系统科学学院）的创始人。钱老等前辈早在20世纪70年代就对复杂性科学进行了研究，创造性地建立了系统科学与系统论。21世纪前夕，小世界网络、无标度网络等的提出使许多物理学家（尤其是统计物理学家）认识到，使用复杂网络作为复杂系统研究工具的重要作用。我国学者对复杂系统及复杂网络的研究主要分为三条研究路径：
• 一条以理论物理、统计物理学者为代表，强调对复杂系统基础理论的研究；
• 一条以计算机、控制领域学者为代表，关注对系统的管理、控制以及在工程领域的应用；
• 还有一条关注复杂系统方法在社会经济领域的应用。在复杂系统研究的各个方向，中国学者的研究贡献都越来越突出。
中国复杂系统研究的发展，从相关会议的举办就可见一斑：中国网络科学论坛自2004年开始已举办了18届，全国复杂网络会议自2005年开始已举办了17届，还有中国系统科学大会、全国统计物理与复杂系统会议等众多相关会议在持续举办，说明复杂系统研究在我国愈发受到重视。另外，2018年国际网络科学冬季会议NetSci-X首次在中国杭州举办，国际网络科学大会NetSci于2022年7月在上海顺利召开，也标志着国内网络科学研究得到了国际同行的认可。在一些领域，我们已经和国际同行处在同一水平，甚至做出了自己的特色。当然，要想完全引领发展，还有很长的路要走。基于中国人固有的系统整体思维观、互联网在中国本土广泛的实践应用以及国家对科技创新的高度重视，我们坚信，未来中国一定有机会成为全球复杂系统研究的高地。
吕琳媛：这是一件好事。传统的科研模式已不能适应飞速发展的社会需要。网络时代，不管是科研活动内部，还是科研与经济活动之间，除了分工，更需要合作。这个合作不是像组装零件那样简单，而是一种有机的整合。应该说，在万物互联的今天，分工就是为了更好的合作，对于科研活动（特别是交叉科学的研究）而言，我们既需要在各自的学科领域进行深入持续的研究，也要看到其他学科前沿的发展及其与自身研究的关系，这样才可能产出更有影响力的研究成果。另外，今天人类面对的问题越来越复杂，已经很难从单一学科去解决，这也为复杂科学这类跨学科交叉研究提供了大展拳脚的契机。当然，这种交叉一定是围绕关键科学问题来展开的，而不是简单的为交叉而交叉。
吕琳媛：人工智能技术为复杂系统研究提供了前沿方法，在解决相关问题的准确性和计算效率等方面具有显著优势。尤其是在当前海量数据的背景下，考虑到数据的高维度、强噪声、稀疏性、异质性等性质，人工智能技术可以有力赋能数据的收集、处理以及提取复杂系统的特征和要素等重要环节。复杂系统研究与人工智能技术的结合是未来一个极具潜力的方向。
吕琳媛：我认为，在未来的几年里，复杂系统的研究将在脑科学、数字治理、军事科学等多个领域开花结果。随着理论的深入和研究方法的发展，复杂系统研究将会为这些领域带来新的研究视角及新方法。以复杂网络为例，近期我们关注的网络高阶分析在脑网络等研究领域取得了初步的成果，这些成果为我们认识人类大脑提供了新的洞见，为临床应用和开发类脑计算框架开辟了新途径。我们相信，将复杂系统的理论和方法与具体的研究背景和研究问题相结合，具有解决已有难题的巨大潜力。我们也清楚地认识到，现实世界中的真实系统具有特征多变、动态演化、不可预测的特点，且对效率、精度和成本的要求更高，在这种情况下，如何发展更符合现实的复杂性科学理论和方法，并将其有效地应用于真实系统中，还需要更进一步的研究实践工作，也需要不同领域学者的参与和合作。
Linyuan Lab 从事复杂系统与复杂网络方向的研究，特别关注网络信息挖掘、高阶网络分析、网络社会计算、脑科学与人工智能等领域研究。实验室负责人吕琳媛教授，目前担任国际网络科学学会理事，国家自然科学基金优秀青年科学基金获得者，入选爱思唯尔（Elsevier）中国高被引学者。2018年入选《麻省理工科技评论》中国35岁以下科技创新35人。2020年获中国系统工程学会系统科学与系统工程青年科技奖，2021年获“科学探索奖”（前沿交叉领域），2022年获国际网络科学学会Erdős-Rényi 奖。
吕琳媛课题组常年招聘博士后及全职科研人员，待遇丰厚，年薪30-80w，具体薪酬及其他待遇面议，优秀人才可入编，工作地点多地可选。
有意者请将个人简历发送至linyuan.lv@gmail.com；
（1）邮件标题格式：申请岗位_姓名_毕业院校_专业方向；
（2）邮件内容：个人情况介绍、已有研究成果、未来研究规划；
（3）符合条件的申请者，您将会收到我们的邮件回复或电话联系。
如有其他疑问欢迎致电刘老师：17816603586，或邮件至：lqy0806@foxmail.com
由吕琳媛、任晓龙、管青等老师在集智俱乐部联合发起了【高阶网络读书会】。读书会围绕高阶交互网络的基本概念、模型、方法与应用等研究进行研讨，按照「基础理论」+「深入理论」+「案例研讨」的模式展开。读书会第一季已经圆满结束，第二季正在筹备中。现在报名加入可以解锁第一季全部录播视频并加入社群交流。
