关键词：复杂网络，信号传播，非线性动力学
论文题目：Signal propagation in complex networks
论文链接：https://www.sciencedirect.com/science/article/abs/pii/S0370157323001321
复杂网络中的信号传播驱动了流行病蔓延，造成了信息迅速扩散，促进了社会群体中的信任和道德力量，并且有助于错误信息检测算法的发展，同时它还是人们理解大脑认知能力的主要支柱，等等。信号传播的几何性质既由网络拓扑结构决定，也由节点之间可能发生的各种形式的非线性相互作用决定。因此，信号传播问题的进展通常是依赖具体系统的，并且迁移到其他领域的潜力有限。考虑到二十多年来对该问题的有价值的研究，对复杂网络中的信号传播进行全面梳理的时机已经成熟，实际上这也是迫切需要的。
在这篇近日发表在 Physics Reports 上的综述文章中，作者首先调查了决定节点间相互作用性质的不同模型，包括流行病模型、Kuramoto 模型、扩散模型、级联故障模型和描述神经元动力学的模型。
其次，文章涵盖了不同类型的复杂网络和它们的拓扑结构，包括时序网络、多层网络和神经网络。
接下来，作者介绍了利用信号传播的网络时间序列分析技术，包括网络相关性分析、信息传递和非线性的相关工具、网络重构、源定位和链路预测，以及基于人工智能的方法。
最后，作者回顾了复杂网络中的信号传播在流行病学、社会动力学、神经科学、工程学和机器人领域中的应用。
综上所述，这篇文章对该领域的进展情况进行了广泛而有条理的概述，并提出一些尚未解决的挑战。
注：论文作者之一、清华大学心理学系&脑与智能实验室的田洋博士将在近期对论文进行深入解读，敬请期待～
推荐阅读
