关键词：社会网络，高阶网络，单纯复形，高阶互动 ，疾病传播
论文题目：A simplicial epidemic model for COVID-19 spread analysis
论文地址：https://www.pnas.org/doi/10.1073/pnas.2313171120
网络使我们能够描述复杂系统中出现的各种相互作用现象，这些现象产生于神经科学、工程学、生态学、金融学和社会科学等不同的知识领域。直到最近，网络模型和工具的主要重点一直放在描述系统实体之间的成对关系上，例如社交媒体平台上两个人之间的信息传播或两个区块链地址之间的交易量。然而，各知识领域的新成果越来越多地表明，群体互动，即复杂系统中多个组成成分之间的多向关系，是更好地理解系统功能背后内在机制的关键。
最近发表于PNAS的一项最新研究结果表明，复杂系统实体之间的高阶关系在系统功能背后发挥着重要作用，这与针对成对互动的传统研究重点形成了鲜明对比。受最近出现的关于个体通过社会交往获得的病毒剂量与感染风险之间潜在关系的观点启发，该研究关注社会网络（如家庭、宗教和购物活动）中的高阶或群体互动（用单纯复形来描述）如何影响疾病传播的动力学和相关的缓解策略（如在大型聚会中，个人受到感染的概率更高）。
该研究将复杂网络的简单几何、流行病学和统计学的技术结合起来，阐明了以下四个研究问题：
问题 1：在建立传染传播模型时，如何以整体的方式将关键的个体和群体特征结合起来？
问题 2：高阶群体互动如何影响传播率？
问题 3：如何根据不同的社会群体决定因素来推断受感染个体和易感个体之间的传播可能性？
问题4：在选择干预策略时，高阶社会互动起什么作用？
图4：对比7个县在包含或不包含高阶互动时传播预测的准确性
该研究结果证实了一个直观的前提，即明确考虑群体互动在追踪传染扩散和制定更有效的缓解策略方面都发挥着重要作用。特别是，整合描述这种高阶社会互动的单纯复形后，弗吉尼亚州七个县的均方根误差降低在 0.09% 至 25.75%之间。这一现象在所有考虑过的机制模型类型中都有所体现，而且正如所预期的那样，群体互动的影响随着群体成员共同相处时间的增加而增大。因此，家庭驱动的活动对传染动力学的影响最大也就不足为奇了。
虽然所获得的结果为我们揭示社会网络传染传播背后的隐秘机制提供了重要的一瞥，但这项研究还只是朝着更好地理解传播动力学的关键驱动因素迈出的第一步。尤其是，人们对与简单模型相关的不确定性传播知之甚少。 此外，重要的是要研究小群体在一起的临界时间如何对扩散动力学产生重大影响。这种影响反过来又与宵禁、隔离等强制缓解措施和相关的流动模式密切相关。最后，高阶群体互动将被系统地整合到合成社会接触网络的构建中，更广泛地说，将被纳入人口行为的数字孪生中。毋庸置疑，这些影响和悬而未决的问题远远超出了生物监控的范畴，适用于从信息传播和信号处理到金融传染和欺诈检测再到关键基础设施的恢复能力等一系列问题。
最后，本文作者想强调的是，所有讨论过的模型，从独立级联方法到简单模型，都只是描述病毒传播的数学抽象。其前提是，简化抽象及其在各种现实情况下的系统处理可能为更好地理解剂量水平与感染风险之间潜在关系的各种尚未解释的现象开辟一条道路。
详情请见：
探索复杂系统高阶交互的奥秘 | 高阶网络读书会启动
点击“阅读原文”，报名读书会
