多个相互传播过程的竞争、协作与优化 | 复杂性科学顶刊精选8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「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3月8日-14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~

目录： 

• 多个相互传播过程的竞争、协作与优化

• 全球观测到的气候变化引起的平均和极端河流流动趋势
  

• 利用全球学习数据衡量人力资本

• 使用人口流动与混杂数据实现新冠病毒的实时监控与预测

• 带偏见的评价产生于对潜在原因的推断潜在原因的推断

• 同时考虑异质性和少数代表性的多样性评价

• 攻击启发式不仅是动物稳固等级的基础，也为支撑着群体层面的社会信息

• 黏菌管径网络怎样存储食物信息

1.多个相互传播过程的竞争、协作与优化

期刊来源：Physics Review X

论文标题：Competition, Collaboration, and Optimization in Multiple Interacting Spreading Processes论文地址：https://journals.aps.org/prx/abstract/10.1103/PhysRevX.11.011048

竞争与协作是多主体传播过程的核心。在涉及到多个具有竞争或合作关系的信息传播过程中，一种信息的传播会对另一种起到促进或抑制作用。例如，一种政治观念的传播会抑制其他政治观念（竞争性传播），而艾滋病毒的传播会促进结核病的传播（协作性传播）。对相互作用的多主体过程的分析可以帮助我们抑制谣言、改善公共卫生，对人类的生产生活有着重要的意义。

英格兰道路网络上的高传染性耦合过程的协同传播。两种过程的起点分别为大伦敦（Greater London）和利兹（Leeds）。

3月10日发表在 Physical Review X 上的一篇文章使用概率工具研究了多主题传播过程，得到了对该过程的准确描述。在资源有限的情况下实现了对目标过程传播的促进或抑制，表现出了比常用算法更出色的性能。该工作提供了一个完整的理论框架来分析大规模多主体系统上的信息传播以及资源分配的优化，可以扩展到具有更多状态的不同类型的复杂交互过程当中。

2.全球观测到的气候变化

引起的平均和极端河流流动趋势

期刊来源：Science

原文标题：Globally observed trends in mean and extreme river flow attributed to climate change原文地址：https://science.sciencemag.org/content/371/6534/1159

探究人为气候变化（anthropogenic climate change，ACC）后果的关键参数之一是气候变化对陆地水循环的影响。地球系统模型（earth system models，ESM）表明，预计的ACC可能会影响陆地的水供应并可能引发更多的洪水或干旱。研究人员检测并进行归因分析，结果表明，观测到的大气变量（例如降水、水蒸气等）的变化与解释历史ACC的模型模拟保持一致，但全球范围内，人类历史记录仍然缺乏河流流量和水文极端现象的数据。

研究人员发现，在观测到的低流量、平均流量和高流量的趋势模式中，可以检测到历史辐射强迫（historical radiative forcing）和历史水土管理（historical water and land management，HWLM）的组合效应。分析还表明，在历史辐射强迫下，模拟趋势模式的幅度与观测值一致。结合考虑到HWLM不能提升重建的效果，这意味着HWLM的模拟影响仅对区域中位数河流量趋势产生较小的影响。因此，结果表明，历史辐射强迫对气候系统的模拟影响对于解释观测到的区域中，低、中、高河流流量的模式至关重要。

观察与重建的区域中位河流量趋势对比（1971-2010年）

总之，作者的分析结论与现有的文献资料一致，这些文献记录了ACC正在影响世界的水循环。导致低、中、高河流量趋势的可能机制包括降水的大范围变化、影响蒸散量的因素变化、以及时间变化温度升高驱动的积雪和融雪数量增加。将这些发现的证据与所提供的分析结果相结合，可以得出这样的结论，即ACC可能对全球低流量，平均流量和高流量趋势做出了贡献。作者首次证明，观测到的河流流量变化的整体模式仅由解释历史辐射强迫的模型模拟所验证，而HWLM的模拟效果并没有实质性地有助于解释低、均值和高点的全球趋势模式。本项工作中，研究人员为历史辐射强迫在全球范围内平均和极端河流流量趋势的因果驱动器中的作用提供了明确的证据。

3.利用全球学习数据衡量人力资本

期刊来源：Nature

原文标题：Measuring human capital using global learning data原文地址：https://www.nature.com/articles/s41586-021-03323-7

人力资本（human capital）的概念最早在1776年提出，并在两个世纪后正式得到学界认可。至今，人力资本在经济发展中的作用一直在探讨。几十年来，研究一直以教育程度作为人力资本的代名词。其中，最突出的人力资本指标，即为联合国的人类发展指数（the United Nation’s human development index ，HDI）。

但是，使用学校教育作为人力资本的前提是人们在学校接受教育。有证据表明情况往往并非如此。最近的一项分析表明，全世界十分之六的青少年无法达到数学和阅读的基本水平。在发展中国家，接受教育与学业水平之间存在巨大差距。在肯尼亚、坦桑尼亚和乌干达，三年级的学生中有四分之三无法阅读基本的句子；在印度农村，一半的三年级学生无法解决两位数的减法问题。

研究人员通过构建跨国际和地区评估之间的测试的转换方法，量化测试之间的差异，对该差异进行调整，并将来自地区评估的学习成果放在全球范围内进行比较。他们出现了一些趋势：高收入国家远远超过发展中经济体。撒哈拉以南非洲地区落后于南亚以外的所有地区，印度等国家的表现与表现欠佳的撒哈拉以南非洲国家类似；在撒哈拉以南非洲地区，肯尼亚和坦桑尼亚等少数国家处于领先地位，与拉丁美洲的许多国家持平。在拉丁美洲，智利等少数国家与欧洲国家相当。中东的表现与拉丁美洲相似或差劲，许多亚洲国家的表现优于北美和欧洲国家。

2000-2017年期间，作者调研得到的各个国家/地区中，各个学科和水平的平均值

研究人员预期，在技能培训较少的发展中国家，学业回报率将更高。在考虑质量的同时，对人力资本进行测算，实质上可以提高人力资本在解释跨国人均产出差异方面的作用。这些结果与已有文献一致，即当考虑质量时——仅相对数量而言——人力资本在解释跨国人均产出差异中所起的作用翻倍。尽管有最新建模表明，世界有望在2030年之前实现普及初等教育的目标，但如果学习继续停滞，那么这一成就将毫无意义。因此，可持续发展目标注重学习，而千年发展目标则主要针对学校。

在全球范围内，衡量和跟踪学习的另一项值得注意的工作是世界银行的人力资本指数，该指数比较了世界各国的人力资本水平。本项研究旨在报告人力资本的措施，这些措施将鼓励各国投资于教育。本文使用的数据库将定期更新并公开，以进行更深层次的统计，并加深人们对发展中经济体人力资本形成的理解。

4.使用人口流动与混杂数据

实现新冠病毒的实时监控与预测

期刊来源：Nature Communications

论文标题：Real-time tracking and prediction of COVID-19 infection using digital proxies of population mobility and mixing论文地址：https://www.nature.com/articles/s41467-021-21776-2

由于从感染到确诊过程中的必要延迟，实时跟踪新冠病毒的传播一直是一个遥不可及的目标。这些延迟主要包括病毒潜伏期（大约6天），产生症状到诊断的时间（大约3天）以及确认诊断所需的时间（大约半天）。鉴于新冠病毒有着很长的潜伏期（大约有44%的病例来源于尚未产生症状的病毒携带者）与极强的传播能力（很容易出现超级传播者），开发实时监控病毒传播的新技术十分重要。

根据香港八达通运输数据推断的COVID-19的传播与人口流动之间的相关性。图A–D分别针对儿童、学生、成人，以及老人。

3月8日发表在 Nature Communications 上的一篇文章开发了一个新的框架，使用特定年龄的人口流动与混杂数据对疾病传播模型进行参数化。将模型与香港的病例数据进行拟合可以发现，该模型可以近乎实时地准确跟踪本地新冠病毒的传播（不再受感染与报告病例之间约9天的延迟限制）这对于快速评估降低传染性的干预措施的有效性至关重要。

5.带偏见的评价产生于对潜在原因的推断

期刊来源：Nature Human Behaviour

论文标题：Biased evaluations emerge from inferring hidden causes论文地址：https://www.nature.com/articles/s41562-021-01065-0

所谓“好事不出门，恶事行千里”，对于大小的公司而言，每一次恶性事件都会带来旷日持久的公关危机，而在人际交往中这一点也同样成立，一次矛盾冲突足以消磨掉多年经营的良好关系。为何不常发生的负面事件会带来不成比例的巨大影响？来自普林斯顿大学的神经科学研究所的 Yeon Soon Shin 与 Yael Niv 就对这一问题给出了他们的简介。并将研究成果于 2021 年 3 月 8 日发布在 Nature Human Behaviour 上。

从观测事件到原因推断，稀疏的小概率事件会被推断出独立的原因

在该研究的实验中，研究者使用了贝叶斯推断模型表示受试者高估小概率事件的原因。通过该实验研究者发现，当观测到所有的事件后，评估结果会向小概率事件倾斜，而如果是随观测进行累计估计，则不会出现这种偏斜。故此，研究者认为人们会推断观察到事件背后隐藏原因，就此夸大小概率事件的影响。

捐赠实验，尽管总捐款平均数相同，但“慷慨者”与“吝啬鬼”的比例变化会对被试的捐款数额带来影响。

6.同时考虑异质性和少数代表性的

多样性评价

期刊来源：Science Advances

论文标题：People use both heterogeneity and minority representation to evaluate diversity论文地址：https://advances.sciencemag.org/content/7/11/eabf2507/tab-pdf

“多样性”（diversity）一词虽然应用广泛，但却蕴含深意。一方面，多样性可以指异质性（heterogeneity），仅取决于一个地区中群体的数量和相对规模，而不取决于它们的身份。另一方面，多样性也可以指代表性（representation），即一个地区中特定的少数群体存在，比如在美国的亚裔、黑人等。

近日发表在 Science Advances 上的一篇文章通过种族平衡的全国范围样本联合实验来揭示美国人可能使用哪些属性、异质性或少数族裔代表来评估生活社区的种族多样性程度，以及该评估是否因参与者的种族而不同。结果表明，感知得到的多样性与异质性密切相关。相对于黑人、拉丁裔、亚裔，这种联系在白人身上更为强烈。此外，黑人、拉丁裔和亚裔认为自己族群所处的社区更加多元化。另外，白人将多样性与代表性联系在一起的程度各不相同，在和多样性相关的政策问题上持保守立场的白人认为，以白人为主的社区比以黑人为主的社区会更具多样性。人们可以认可多样性是向好的趋向，但不认可到底是什么让一个社区变得多样化。

上图为异质性和群体代表性对感知多样性的影响（对于所有参与者）

7.攻击启发式不仅是动物稳固等级的基础

也为支撑着群体层面的社会信息

期刊来源：PNAS

论文标题：

Aggression heuristics underlie animal dominance hierarchies and provide evidence of group-level social information

论文地址：

https://www.pnas.org/content/118/10/e2022912118

善于社交的人往往可以从社交互动中获益，但与潜在竞争对手联系紧密却会带来代价高昂的损失风险。物种社会中的每个个体需要做出合适的决定，来决定同谁、如何以及何时与群体中的其他人进行互动。然而，研究人员很难检测到这些决策的输入。特别是很难准确得出个人到底实际掌握了多少信息。

近日 PNAS 上的一篇文章提出了一种社会分析方法，来量化攻击性模式下怎样利用社会统治阶级中的个体信息。该方法对85个国家172个社会群体的现有攻击性数据进行分析，揭示了三种主要的社会阶级导向的社会支配模式：向下的启发式（the downward heuristic）（统一针对低等级的对手），接近竞争对手（close competitors）（对于等级略低于自己的人），和恃强凌弱（bullying）（针对比自己等级低得多的对手）。结果表明，大多数群体（133个群体，约77%）遵循向下启发式，但也有少数群体（38个群体，约22%）表现出更复杂的社会支配模式（密切竞争或欺凌），这往往与更高水平的社会信息密不可分。这些模式并没有受到系统进化的限制，同一物种内的不同群体甚至可能采用不同的模式。该方法为研究物种内部和跨物种的社会信息使用以及关于社会复杂性和认知的进化提供了新的视角。

上图表示每个社会群体都是根据它们所遵循的阶级导向的社会支配模式来分类的。分别是（A）向下启发式（骡鹿），（B）紧密的竞争对手（和尚鹦鹉），（C）恃强凌弱（长尾猴）。

8.黏菌管径网络怎样存储食物信息

期刊来源：PNAS

论文题目：Encoding memory in tube diameter hierarchy of living flow network论文地址：https://www.pnas.org/content/118/10/e2007815118

对于智能生命及其文明而言，记忆既是历史的见证，也是处理未知问题的决策依据。然而，记忆并不一定都能留下实物的遗迹，也并非一定要存在于高等生命体的大脑中。在自然界中，简单的生命也能存储利用经验信息，从而在复杂多变的环境中，躲避掠食者并寻找营养物质。来自马克斯·普朗克动力学和自组织研究所的 Mirna Kramar 和 Karen Alim 就对一种名为多头绒泡菌（Physarum polycephalum）的黏菌通过记忆寻找食物的能力进行了研究。这一研究成果于  2021 年 3 月 9 日发表在美国国家科学院院刊 PNAS 上。

多头绒泡菌不仅仅模糊了动植物与真菌之间的分界，也因其原生质团能形成独特的生物网络令科学家们为之着迷。数十年来从城市规划到宇宙探索，在诸多科研领域都留下了他们小小的身影。

在添加新的营养源后，网络管道的粗细发生变化

多头绒泡菌的网络可以自由的伸缩、移动，这一特点就使得该生物能够逃离有危险的环境，并追寻食物的来源。而且，这种生物可以把已知的食物信息编码到自身的网络结构中（网络管道的粗细分布），并利用已存储的信息对未知事件进行决策。在这项研究中，Mirna 与 Karen 发现，当黏菌接触到食物后，会释放出相应的化学物质，软化自身的网络结构，从而改变网络管道的粗细程度与流量。进而让整个生物体向有食物的一方进行迁移。

受控于化学物质而非流速的管道扩张。网络中管道的直径发生的变化（黄色曲线），并不是由流动剪切速率的变化（紫色曲线）引起的。

黏菌网络的因其复杂的现象与背后简单的规律吸引了众多科学家的侧目，正如该论文作者 Karen Alim 所言，该研究为这一古老的生物又揭开了一层面纱，而背后的普遍规律也可以用于设计智能化的材料与机器人。

集智新栏目Complexity Express 上线啦！

Complex World, Simple Rules.

复杂世界，简单规则。

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 是什么？

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。

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：

• Nature

• Science

• PNAS

• Nature Communications

• Science Advances

• Physics Reports

• Physical Review Letters

• Physical Review X

• Nature Physics

• Nature Human Behaviour

• Nature Machine Intelligence

• 更多期刊持续增补中，欢迎推荐你认为重要的期刊！

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

• 以及一些领域小众，但有趣的工作

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[e-mail]）。

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[e-mail]）。

更多论文

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。

点击“阅读原文”，追踪复杂科学顶刊论文