查看原文
其他

复杂互联系统中的渗流 | 复杂性科学顶刊精选8篇

集智编辑部 集智俱乐部 2022-05-09

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4月26日-5月2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:

  • 复杂互联系统中的渗流

  • 哺乳动物大脑尺寸的进化

  • 新冠病毒流行期间学校关闭造成的成绩降低

  • 人类塑造大部分陆地自然至少有12000年的历史

  • 高通信效率的联邦学习

  • 拟生晶簇:晶体在加热的超疏水表面自动析出现象

  • 微流控环境中的细菌运动模式

  • 野火对美国西部河流网络的影响


更新提醒:顶刊速递已支持论文图片速览


1. 复杂互联系统中的渗流

 

期刊来源:Nature Communications

论文题目:

Percolation on feature-enriched interconnected systems

论文地址:

https://www.nature.com/articles/s41467-021-22721-z

 

经典的渗流模型往往建立于简单的系统(如低维规则晶格)之上。在逐渐删除系统中的节点的过程中,剩余孤立簇的不同属性(统计和几何)会发生有趣的变化。渗滤模型的发展与相变理论密不可分。一方面,渗流被认为是存在相变的最简单模型之一,无需像伊辛模型等模型一样引入动力学或热力学量。另一方面,渗流在定义上足够灵活,可以映射到许多不同的问题,如非均质材料的介电响应,流行病学或流体在多孔介质中的流动等。


基于独立度特征的渗流模型中最大团簇大小的变化过程

 

经典渗流模型需要我们随机地删除系统中的节点,或按特定的拓扑决定删除排序。然而,在绝大多数地应用中,我们不得不以更复杂的规则来删除节点,这是传统模型无法描述的。为解决该问题,4月30日发表在 Nature Communications 上的一篇文章提出了一种新颖的数学框架。在该框架下,系统具有丰富的特征,且可以根据节点在特征空间中的重要性对其进行删除。原文针对与网络建设相关的、与诸如流行病传播等动态过程相关的多种特征进行了分析。该框架不仅涵盖了经典渗流模型,还提供了一种在现实情况下测试网络鲁棒性的准确方法。


 

2. 哺乳动物大脑尺寸的进化

 

期刊来源:Science Advances

论文题目:

The evolution of mammalian brain size

论文地址:

https://advances.sciencemag.org/content/7/18/eabe2101


大脑直接负责控制动物与环境的相互作用。因此,人们通常认为大脑会对变化的环境,亦即自然的选择,做出灵活反应。同时,大脑尺寸也被普遍认为受到能量需求的限制,这些能量需求被认为是所有脊椎动物的普遍需求。这一矛盾凸显了大脑尺寸是理解进化中适应性和约束之间基本平衡的显著特征。

 

长期以来,大脑的相对大小一直被视为认知能力的反映,在生命科学核心理论的发展中起着基础性的作用。然而,4月28日发表在 Science Advances 上的一篇文章指出大脑相对大小的研究范式有待重新评估。大脑相对大小可代表大脑尺寸的自然选择这一概念依赖于未经检验的假设,即大脑-身体异速生长率在各物种间存在稳定的比例关系,任何偏离这个斜率的现象都是由于对大脑尺寸的自然选择所造成的。利用迄今为止收集到的最大化石和现存数据集,我们发现异速生长率斜率的变化是哺乳动物进化过程中主要转变的基础,该转变主要表现为体型的显著变化。研究结果显示,具有最大大脑的哺乳动物以高度不同的方式获得了较大的大脑相对大小。这些发现促使研究者对大脑相对大小的传统范式重新评估,并为人类理解影响大脑尺寸的遗传和发育机制提供了新的机会。


图为不同等级的哺乳动物广义种系发生最小二乘回归

 


3. 新冠病毒流行期间

学校关闭造成的成绩降低

 

期刊来源:PNAS

论文题目:

Learning loss due to school closures during the COVID-19 pandemic

论文地址:

https://www.pnas.org/content/118/17/e2022376118 


COVID-19大流行正在以深刻的方式改变着社会,常常加剧了社会和经济上的不平等现象。为了遏制这种现象的蔓延,世界各国政府已采取措施例——如在学校中止了面对面的教学,这影响了全球约95%的学生,是历史上对教育的最大破坏。《联合国儿童权利公约》规定,政府应在机会均等的基础上为所有人提供基础教育。要权衡关闭学校的费用与公共卫生的收益,了解学生是否在此类封锁条件下,减少学习以及处于不利地位的学生是否这样做比例过高是至关重要的。

 

先前的研究计算了夏季休假对学习的影响,或极端天气或教师罢工等事件的干扰(7-12年级),而COVID-19提出了一个独特的挑战,使得研究人员不清楚如何参考以往的数据。同时,对经济的影响使得家长在面对经济不确定性或在家工作的需求时挣扎着缺乏提供支持的能力。疫情的健康和死亡风险,以及与社会隔离所造成的损失,会进一步增加心理成本。预计家庭暴力将增加,使本来就很脆弱的学生面临更大的风险。同时,与其他破坏性事件相比,大流行的范围可能迫使政府和学校做出更积极的反应。

 

研究人员利用荷兰小学生前3年的数据,在数学、拼写和阅读方面的综合得分来进行比较。全国水平上,学生成绩平均损失了3.16个百分点、0.08个标准差。损失分布并不均匀,尤其集中在受教育程度较低的家庭的学生中。 父母教育的最低的两个类别中的那些——占总人口的8%——比平均学生多遭受40%的损失。相比之下,研究人员发现几乎没有证据表明效果会因性别、学校等级、学科或以前的表现而有所不同。


各小分类水平上,学生成绩的降低程度。

 

研究人员的结果表明,对于处境不利家庭的学生而言,学习损失尤为明显,这证实了许多人担心停课会导致社会经济差距扩大。总体而言,这项结果强调了社会投资战略对“更好地重建”并增强教育的弹性和公平性的重要性。在未来,政府需要进一步研究以评估此类举措的成功并解决疫情对学生学习和福祉的长期影响。

 

 

4. 人类塑造大部分陆地自然

至少有12000年的历史

 

期刊来源:PNAS

论文题目:

People have shaped most of terrestrial nature for at least 12,000 years

论文地址:

https://www.pnas.org/content/118/17/e2023483118

 

考古学和古生态学的证据表明,到公元前10000年,所有人类社会都对土地进行了不同程度的生态改造,包括燃烧、狩猎、物种繁殖、驯化、耕种,以及其它在陆地生物圈中留下的长期遗产。然而,自然科学家、自然资源保护者和政策制定者的主流认知却与此不同,他们认为人类对陆地的改造大多是近期发生的,且本身具有破坏性。

 

4月27日发表在 PNAS 的文章指出,研究人员利用最新的全球历史人口及土地利用情况的重建,表明先前的主流认知很可能是错误的。早在12000年前,地球上就有近四分之三的土地为人类居住,也因此被人类社会所塑造,其中包括超过95%的温带林地和90%的热带林地。现在被定义为“自然”、“完整”和“野生”的土地,以及保护区和本土土地,通常都有很长的使用历史。


且当前全球脊椎动物丰富度和物种多样的区域与过去土地使用的模式更相关,而与现在所谓区域自然景观的相关性较弱。

 

从公元前10000年到公元2017年,全球人类群系图和人口变化图。(A)  公元2017年的人类群系图。(B)全球人类群系变化,红线表示人口变化。根据人口密度和主要的高度利用土地对人类群系进行分类。荒地的定义是零人口和无高度利用土地 (城市+作物+放牧),有文明的人类群系人口较少,高度利用土地<20%,密集的人类群系高度利用土地≥20%。有文明的人类群系和密集的人类群系根据人口密度进一步分层,以每平方千米的人口为单位,分为偏远 (>0至<1)、有人口 (1至<10)、可居住 (10至<100)、宜居住 (>0至<100)、村庄混合聚落 (100至<2,500) 和城市(≥2,500)。密集人类的主要土地利用面积≥20%,按照土地利用程度 (城市>水稻区>灌溉区>种植区>放牧区) 的顺序进一步分层。林地包含所有森林和林地生物群落;从稀树大草原到冻土带 (不包括永久冰带),旱地构成了剩余的生物群落。

 

目前的生物多样性危机很少能用人类对荒地的开垦来解释,它是由侵占、殖民及对先前社会长期塑造和维持的生物多样的地区的进一步利用所造成。故认识到这种与生物多样性的文化联系对于解决生物多样性危机至关重要。

 


5. 高通信效率的联邦学习

 

期刊来源:PNAS

论文题目:

Communication-efficient federated learning

论文地址:

https://www.pnas.org/content/118/17/e2024789118


联邦学习(federated learning, FL)实现了对互联网中的边缘计算资源的有效利用。通过该技术,边缘设备可以在无需共享其私有数据的前提下,协作训练机器学习模型。 由于FL要求训练参数在设备间不停地传递,共同学习可靠模型所需的时间不仅取决于训练步骤的数量,还取决于单步机器学习参数的传输时间。在实际使用中,FL通常在传输速率十分有限的网络上进行,来自边缘设备的重复FL参数传输会引起明显的延迟,该延迟可能比ML模型的训练时间还要大几个数量级。因此,通信延迟是限制FL能力的主要瓶颈。


FL算法实现于由多台边缘设备和一个基站组成的无线网络之上


4月27日发表在 PNAS 上的一篇文章提出了一种具有高通信效率的FL框架,以同时FL的收敛时间与损失函数。该框架设计了一种基于概率的设备选择方案,从而使得合适的设备具有更高的使用率。为了进一步减少FL收敛时间,原文提出了一种可以量化的方法以减少设备之间交换模型参数的次数,并开发了一种有效的无线资源分配方案。仿真结果表明,与标准FL相比,新提出的FL框架可以将识别精度和收敛时间分别提高3.6%和87%。



6. 拟生晶簇:

晶体在加热的超疏水表面自动析出现象

 

 

期刊来源:Science Advances

论文题目:

Crystal critters: Self-ejection of crystals from heated,  superhydrophobic surfaces

论文地址:

https://advances.sciencemag.org/content/7/18/eabe6960


在水处理、热电生产和许多工业过程中,矿物或晶体结垢 (沉淀物在材料上的积聚以及因此造成相关的损害) 是一个普遍存在的问题。为了防止结垢,越来越多的努力集中在材料工程策略 (例如超疏水性) 上。在努力过程中,我们发现了一个奇怪的现象,即在盐水滴蒸发期间,晶体从加热的、纳米结构的超疏水材料中自动弹出。这些晶体结构 (晶体小生物) 与基材的接触极少,因此可以避免晶体结垢。这种不同寻常的现象是由结晶、蒸馏和纳米级效应的协同作用引起的。可以使用质量守恒定律来预测生物效应的温度依赖性,并且我们证明可以通过促进非对称生长的温度梯度来产生自推进。约束驱动的蒸发结晶的见解可用于通过矿物质污垢的自弹出,基于液滴的流体机械甚至自驱动的防污技术。


(A) 实验示意图,一滴含有溶解盐的水在热的超疏水基质上蒸发。
(B) 扫描电子显微镜(SEM)图像显示超疏水纳米草表面的纳米纹理。比例尺,3微米。
(C) 在基底温度为90°C的情况下,5um液滴的动物形状晶体的生长随时间变化图例。比例尺,0.5毫米。
(D) 蒸发时间为温度的函数。整个条形图表示总的蒸发时间,蓝色部分是腿部生长之前的蒸发的第一阶段,橙色部分是腿部生长期间的蒸发的第二阶段。
(E) 腿随时间的增长与温度的关系,其中最低温度(紫色,最右边的线)为60°C,最热温度(红色,最左边的线)为110°C。

 


7. 微流控环境中的细菌运动模式

 

期刊来源:PNAS

论文标题:

Patterns of bacterial motility in microfluidics-confining environments

论文地址:

https://www.pnas.org/content/118/17/e2013925118

 

了解细菌在封闭的微环境中的运动行为,即它们寻找可用的物理空间并对刺激做出反应,对环境、食品工业和生物医学应用很重要。4月27日发表在 PNAS 上的一篇文章研究了5种不同大小和鞭毛结构的细菌(需钠弧菌、海洋趋磁球菌、恶臭假单胞菌、费氏弧菌和大肠杆菌)在微流控(microfluidics-confining)环境中的运动,这些微流控环境在没有外部流动和浓度梯度的情况下,呈现出不同的制约程度和几何复杂性。

 

对5种细菌在微流体环境中的运动进行研究表明,细菌的运动行为是流体动力学和局部纳米力学“拔河”共同导致的。在较狭窄的空间中,细菌的运动受流体动力学的控制,可以通过为最简单的生物建立模型来近似预测。相反,在更为紧密的封闭空间中,细菌运动主要是由鞭毛和周围物理限制间的空间相互作用控制。有趣的是,在中观尺度区域,流体动力学和空间相互作用的影响重叠,这些机制可以推动细菌在直线通道中的平滑运动或是反向运动(例如,在中尺度的弯曲通道中),后者导致“破坏性的”混乱以及细菌诱捕。

 

上图为6μm高的细菌“活动广场”的中细菌运动情况。(A)细菌位置密度图;(B)A中所有1/4密度图的数据叠加平均得到的细菌的空间分布;(C)细菌运动轨迹特征2D投影;(D)细菌运动轨迹特征3D投影。

 


8. 野火对美国西部河流网络的影响

 

期刊来源:Nature Communications

论文标题:

Wildfires increasingly impact western US fluvial networks

论文地址:

https://www.nature.com/articles/s41467-021-22747-3 

野火在全球范围内的发生频率,严重性和范围不断增加。澳大利亚的2019-2020野火季节是最近历史上最糟糕的季节,亚马逊地区的野火活动正威胁要将该地区从碳汇转变为碳源,到2050年可能向大气释放多达17 Pg的二氧化碳,在2019年,野火以前所未有的规模在整个北极燃烧。当前的野火模型预测,由于人为气候变化和森林管理实践,野火及其相关损害的发生率将继续增加。

 

在美国西部,不断增长的人口正在入侵以前不发达的地区,并扩大了易火的野外与城市的交界处,从而造成了前所未有的脆弱性和破坏。例如,2018年加州有史以来最严重的山火季节,烧毁了约8000平方千米,造成100人丧生,损坏了超过24,000个建筑物,并催生了超过20亿美元的保险索赔。最近,它被2020年的山火季节所取代,山火燃烧了超过17,000平方千米。由于森林流域为美国西部约三分之二和世界其他地区的大部分提供饮用水,估计价值为4.3万亿美元,因此森林流域对水生系统的野火破坏对水安全构成了重大且代价高昂的威胁,在美国西部和全球范围内均是如此。

 

研究人员结合野火程度、烧伤严重程度、水文学和生态区图层进行了地理空间分析,以计算美国西部不同生态区的野火的第一个估计值。数据集中的野火(n = 7677)跨越11个州的9个生态区。野火的总面积(324,080 km / km)占研究区河流总长度+河道长度的5.7%,在生态区域之间变化,从0.1%(海洋西海岸森林)到12.4%(加利福尼亚州地中海)。内核密度图显示了野火中相当大的纬度和纵向变化,最大值在40°N和45°N之间,最大在110°W和120°W之间。在这个主要由冷漠沙漠和西部山脉生态区组成的地区,溪流受到野火的影响不成比例。特定于生态区的密度分布突出了单个生态区对野火影响的溪流累积空间密度的影响差异。例如,海洋森林西海岸森林是野火活动最低的生态区,具有明确定义的纬度和纵向峰,但不会显着改变总体密度曲线。相反,大小相似但更易发生野火的上吉拉山生态区在33°N附近驱动了一个清晰的第二纬度峰。因此,特定于生态区域的参数驱动着野火如何影响河流的差异。

 

美国西部近郊野火的空间分布

 

野火本质上是复杂的、高度破坏性的事件,日益威胁着美国西部乃至整个世界的生命、财产和自然资源。这些干扰动员了沉积物、养分、碳、金属和其他与环境有关的物质,不仅影响了河流网络的水质动态,而且还影响了下游湖相、河口和海洋环境的水质动态。研究人员确定了三个行动项目,旨在转变水质数据的获取,以支持将水生系统纳入野火科学的动态方法:

 

1、在准备和就绪方面投资资金:研究人员主张建立供资机制,以便在易发生野火的地区附近装备快速反应小组,以立即对野火做出反应。团队应获得持续的资金支持,以便随时随地在野火发生时捕获第一冲的分水岭响应。


2、政府必须开始结合侧重于纵向数据收集的“动态”监测方法,以补充传统的“固定”生态监测策略,充分表征沿河流网络由野火驱动的水质漂移的程度。动态监视应该是快速响应团队的优先事项。


3、将高频数据纳入环境监测:与野火有关的水质扰动在短时间内迅速发生,因此,高分辨率和实时数据对于捕获时间动态和具有生态意义的事件是必不可少的


 


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

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存