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「集智斑图」推送论文信息。
扫描下方二维码，关注“集智斑图”服务号，即可订阅Complexity Express：
Complexity Express 一周论文精选
以下是2021年1月25日-31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~
1.心智理论的神经机制：
单个神经元如何预测他人信念
期刊来源： N ature
论文题目： Single-neuronal predictions of others’ beliefs in humans 论文地址： https://www.nature.com/articles/s41586-021-03184-0
人类的社会行为在很大程度上取决于我们对他人心理 （信念） 和行为的推理，这被称为心智理论 （theory of mind） 。人类心智理论在社会认知中扮演关键角色，在大脑局部网络层面已经有大量关于人类社会推理能力的研究，但心智理论在细胞层面的机制目前尚未清晰，缺少可靠的动物实验。1月27的 Nature 刊载一项哈佛医学院 Ziv M. Williams 小组的研究，利用前额叶皮层单个细胞的实验记录，试图确定神经元是怎样编码关于他人信念的信息，并且将自我和他人的信念区分开。 在这篇论文中，研究者利用自适应的多电极微阵列来记录被试的背侧中前额叶皮层 （dmPFC） 细胞，该区域被认为与社会推理能力有关。心智理论主要由两部分组成，即推理他人信念的能力，以及区分他人信念和自我信念的能力，该研究针对不同场景设计实验，观察到神经元细胞行为出现显著的变化。该论文揭示了人类dmPFC中的神经元负责编码关于他人信念的信息，这是第一次在单个神经元细胞层面研究心智理论。 期刊来源： PNAS
论文题目： Evolutionarily stable strategies in stable and periodically fluctuating populations: The Rosenzweig–MacArthur predator–prey model 论文地址： https://www.pnas.org/content/118/4/e2017463118
进化稳定策略 （ESS） 是指如果群体中绝大部分都采用某种适应策略，就不会被任何偏离 （突变） 的策略所推翻替代，它在生态学和进化生物学应用广泛。进化稳定策略的假设是生态系统具有稳定的动力学，但真实的生态系统在时间上或多或少有一定的周期波动性，捕食-被捕食系统是其典型。1月26日的 PNAS 刊载一篇论文，利用 Rosenzweig-MacArthur 捕食-被捕食模型，研究了捕食者和被捕食者在稳定/周期波动下的种群进化动力学，给出了进化稳定策略出现的特定数学条件。 针对周期性的捕食-被捕食系统，该研究建立了包含四个方程的常微分方程组，证明了周期解的李雅普诺夫稳定性——当时间变长，种群将接近极限种群，模型将有稳定的平衡解。该研究还进一步确认了进化是通过变异类型的生态过程发生的，这些变异类型能够入侵处于稳定状态的生态系统 （或种群） ——无论是稳定平衡还是极限循环。每当变异类型入侵，进化就会发生，系统的生态就会变化。 期刊来源： Physical Review Letters
论文题目： Localization and Universality of Eigenvectors in Directed Random Graphs 论文地址： https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.126.040604
有向图可以描述神经网络、生态系统、基因调控网络以及社交网络等重要的复杂系统，因此理解有向图的拓扑结构对其动力学的关系有着重要意义。然而，尽管随机图的频谱特性一直是网络科学领域的关注重点，但目前还没有对有向图的右特征向量的精确分析。1月29日发表在 PRL 上的一篇文章对有向加权随机图 （具有规定的度分布与随机的加权连边） 的右特征向量进行了统计分析。 满足同样分布的有向随机图的三次实现（分别用圆形、正方形、三角形表示），图的入度与出度满足泊松分布，连边权重满足均值与方差均为一的高斯分布。
该文章得出了反比参与率 （inverse participation ratio，IPR） 的精确解析表达式，并证明了平均度较小的有向随机图的右特征向量是局部的。如果度分布的四阶矩是有限的，则局部性转变的临界值与度波动无关，这与无向图中的情况不同。文章还表明，在高连通情况下右特征向量的分布仅由度分布确定。 期刊来源： Nature Human Behaviour
论文题目： Multi-task reinforcement learning in humans 论文地址： https://www.nature.com/articles/s41562-020-01035-y
跨任务传递知识并概括为新知识的能力是人类智能的重要标志。然而，我们对于人类的多任务强化学习方法知之甚少。1 月 28 日发表在 Nature Human Behaviour 上的一篇文章通过比较人类策略与多种强化学习算法做出的决策的异同，探究了人类采用的强化学习方法，丰富了我们对于复杂环境中人类学习方法的理解。 多任务强化学习示例。如果一个人知道饥饿或心情不好时，去汉堡店或咖啡厅是获取激励的好办法，那么当他遇到一个餐馆时，便可以意识到这也是一个获取激励的可行选择。
该文章使用不同的奖励研究了参与者在两步决策任务中的行为，并比较其行为与两种用于多任务强化学习的算法的相似性，以推断人类使用的强化学习方法。通过三个探索性实验和一个大型确认性实验，证明了参与者使用了一种将先前学习的策略映射到新情境的学习方法。 期刊来源： PNAS
论文题目： Rational policymaking during a pandemic 论文地址： https://www.pnas.org/content/118/4/e2012704118
COVID-19大流行暴露了政府和国际组织在决策方面应对不足的问题。决策者负责采取行动，以保护本国人口免受该疾病的侵害；但他们缺乏有关病毒及其传播机制方面的科学知识，可能采取措施的有效性及其 （直接或间接） 健康与社会经济后果的信息并不足以可靠。合理的政策决策应当结合现有的最佳科学证据 （通常来自疾病专家与科研工作者） 。但是，在不确定且迅速变化的环境中，相关证据具有很大的可变性，因此很难对预设情况的结果进行科学的研究。 在这项模型中，研究者强调了定量建模对支持政策决策的重要性 （在其他公共卫生环境问题中也有类似的建议） 。在不同的宏观经济环境中——包括对货币和财政政策的评估——这种模型的使用很常见。有些人可能会认为定量建模是有问题的，因为它需要对不同模型规范的正确性进行看似武断的主观判断，从而导致定量建模倾向于定性方法。但是，即使是定性方法也无法摆脱对主观投入的需求。将科学投入限制为定性限制，对谨慎的决策制定具有严重的潜在价值。相反，作者主张使用定量模型和数据——包括有关科学基础知识极限的明确信息。本文提出的决策规则应结合决策者对其主观概率的信心，从而使政府人员基于正式定量规则的决策过程既稳健又审慎。 期刊来源： Nature Communications
论文题目： Limitation by a shared mutualist promotes coexistence of multiple competing partners 论文地址： https://www.nature.com/articles/s41467-021-20922-0
无论是人类社会还是自然环境都存在多个个体、物种共生的环境。也必然会存在对一种有限资源的竞争关系。当竞争出现的时候，优势物种赢家通吃的现象会破坏生态多样性，从而影响系统的稳定。因此一个生态系统中也必然存在能约束竞争的因素。明尼苏达大学的 Sarah P. Hammarlund 和其他合作者就对这一问题进行了分析，研究成果于 2021 年 1 月 27 日发表在 Nature Communications 上。 在 配对共生物种（ partner mutualist， PM） 对有一种资源的争夺中，会代谢出新的资源，而代谢产物又可以被 分享共生生物（shared mutualist，SM） 利用并产生新的资源供前者使用。 配对共生物种与分享共生物种之间的互动关系（左图），研究实验示意图（右图）
在研究者的实验中，两种大肠干群存在不同的氨基酸缺陷，因此都需要肠道沙门氏菌“分享”所缺少的氨基酸。虽然两种大肠杆菌的生长速率不同，但因为对肠道沙门氏菌的依赖，物种之间的彼此竞争也受到了肠道沙门氏菌生长速率的限制。这项研究表明，通过对肠道沙门氏菌生长速率的适当调节就可以实现生态系统中物种多样性的平衡。 7.物种在高度入侵的种子传播网络中角色的生态学相关性
期刊来源：PNAS
论文题目： Ecological correlates of species’ roles in highly invaded seed dispersal networks 论文地址： https://www.pnas.org/content/118/4/e2009532118
物种入侵和引入正在世界范围内悄悄地重塑着当地的生态系统。入侵物种和本地物种构成了新的混合生态系统，也形成了新的物种相互作用网。虽在这些网络中，入侵物种可能扮演着重要角色，驱动生态系统结构和功能的改变，甚至是促进进化和灭绝。然而，入侵物种在全新的相互作用网中所扮演的角色和背后蕴含的作用机理与过程却鲜有人知。 2021年1月26日发表在 PNAS 上的一篇文章针对人类改造生态系统的极端案例之一——夏威夷欧胡岛 （Oʻahu） 进行研究，发现欧胡岛的外来入侵物种比本地物种更能塑造植物种子传播网络 （SDN, Seed dispersal network） ，基于生态位 （niche-based） 过程对于网络结构影响非常大。 分散者(A)和植物(B)在夏威夷欧胡岛种子传播网络中所扮演角色的生态相关性 物种角色的生态相关性 （ecological correlates） 如行为、丰富性在很大程度上与原生网络相似，但最重要的生态相关性会随空间尺度和营养结构而变化，这表明分别研究这些因素对于揭示物种对网络结构的影响有着重要意义。此外，研究物种角色在生态系统中所扮演角色和其机理，可以利用特征来识别哪些物种可以从生态系统中移除或引入 （如种子传播） ，以达到改善生态系统功能的目的。 期刊来源： PNAS
论文题目： Automatic detection of influential actors in disinformation networks 论文地址： https://www.pnas.org/content/118/4/e2011216118
数字通信和社交媒体的武器化助长了大规模且高速的虚假信息运动，这对精准识别和有效打击负面影响力运营 （influence operations，IOs） 提出了新的挑战。宣传自古以来是治国理政的手段之一，在互联网诞生之后更是如此。现在许多大国通过利用互联网传播虚假信息以混淆视听，消减竞争对手实力。2021年1月26日发表在 PNAS 的一篇论文中，提出了一个用于自动检测虚假信息、网络和影响因子 （influential actors） 的端到端系统框架。该框架集成了自然语言处理、机器学习、图像分析和网络因果分析等，以量化个体参与者在IO信息传播中的影响。 该研究建立一种可用于检测已知IO账户的分类器，并用2017年法国总统选举种手机的真实社交媒体数据和推特公布的已知IO账户为例进行案例分析。结果显示该分类器的准确率为96%，召回率为79%，AUPRC指标为96%，同时高影响力的IO账户脱离基于活动计数 （activity counts） 和网络中心性 （network centrality） 的传统影响力统计范围。
集智新栏目Complexity Express 上线啦！
Complex World, Simple Rules. 复杂性科学 （Complexity Science） 是集智俱乐部多年以来的主题，我们长期追踪关于自然、生命、社会、认知等各类复杂系统的研究进展，并组织学术研讨。 同时由于学科交叉融合，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，汇总复杂系统的最新顶刊论文。 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“集智斑图”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。 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，可以从复杂性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： 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： 网络科学各个分支及交叉应用
图数据与图神经网络
计算机建模与仿真
统计物理与复杂系统理论
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
科学学
计算流行病学
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） 。 如果你对复杂性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。