哺乳动物的社会进化 | 复杂性科学顶刊精选5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9月13日-9月19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：

1、哺乳动物的社会进化

2、多尺度系统的最优重整化

3、了解艺术、文化和科研生涯中持续爆发现象

4、经济操纵的博弈

5、深度线性神经网络的统计力学: 反向传播的核重整化

1. 哺乳动物的社会进化

期刊来源：Science

论文标题：

Social evolution in mammals

论文地址：

https://www.science.org/doi/10.1126/science.abc9699#pill-purchase-access

早期的动物进化研究主要集中在不同物种对其物理环境的适应上，而最近的研究则探索了社会环境变化的影响。哺乳动物的实地研究在探索社会组织和繁殖系统变异的原因和后果方面发挥了特别重要的作用，社会组织和繁殖系统在物种之间差异很大，越来越多的长期、基于个体的研究已经能够记录繁殖群体的结构，并探讨两性繁殖成功率差异的原因。

在过去 40 年里，长期的基于个体的实地研究已经能够使用遗传技术，来探索越来越多野生哺乳动物的社会组织和繁殖系统的进化。这些范围从两性成员一年中部分或整年单独生活的物种，到繁殖的成年个体成对生活，或小群近亲生活在一起的物种，其中所有成员都帮助抚养占优势的雌性所生的后代，如猫鼬、鼹鼠、大鼠。对于多个繁殖雌性形成稳定的多代群体的物种，通常由一个或多个常驻雄性保护。在大多数社会哺乳动物中，群体由留在其出生群体中并因此彼此相关的“出生”雌性组成，繁殖雄性是来自其他群体的移民。但在少数物种（包括所有三种非洲猿）中，雌性在达到性成熟后会习惯性地从它们的出生群体或社区中分散开来，这些群体通常由无关的移民雌性和一个或多个可能是出生动物或移民的常住雄性组成。

22 种哺乳动物物种，涵盖多代的持续长期、基于个体的实地研究

结合遗传信息，对哺乳动物的实地研究表明，社会组织的差异如何与影响两性生殖偏斜程度、生殖竞争强度以及性别差异在生长、体型上的进化的交配系统的差异相关联。雄性繁殖竞争的强度和提高其竞争能力的性状的发展，通常与雄性的繁殖寿命比雌性的短以及雄性对不利环境条件和环境的敏感性更高有关。食物短缺、社会组织和交配系统的差异也会影响群体的亲属结构和群体成员之间的平均亲属关系程度，这与群体成员之间合作和冲突频率的差异以及散布模式有关。

关于哺乳动物繁殖系统的原因和后果的许多重要问题仍未解决。需要更广泛的实地研究，包括更多的夜间及海洋物种。未来的研究还应探讨对比育种系统的人口统计学后果，及其对种群保护和管理以及进化过程的影响。

2. 多尺度系统的最优重整化

期刊来源：PNAS

论文题目：

Optimal renormalization of multiscale systems

论文地址：

https://www.pnas.org/content/118/37/e2102266118

从分子动力学到流体湍流与广义相对论，多种理论的实际应用可以产生具有大量自由度的微分方程系统。通常情况下，这些系统本质上是多尺度的，这意味着不同自由度的演化涵盖了大范围的空间和时间尺度。当自由度可以简单地分类为几个离散尺度的集合时，可以使用多种技术进行模拟和分析。模型降阶是应对多尺度含时系统的一种很有效的方法，然而在系统规模太大或模拟成本过高时，人们往往无法对其进行长时间模拟，由此产生的降阶模型可能会十分不稳定。近日发表在PNAS上的一篇文章提出了一种含时的重整化方法来提升降阶模型的稳定性。

双对数坐标系下，无粘性伯格斯方程四阶降阶模型在最优控制参数下的解析模式的能量。

该工作引入了一个控制模型记忆随时间衰减的速度的参数，并基于有限的完全解析模拟来优化该参数。文章首先在无粘性伯格斯方程上展示了其模型的有效性，该方程的解存在有限时间奇点。重整化的降阶模型可以在仅使用奇点出现前的全阶模拟数据进行校准，从而长时间保持准确和稳定。此外，文章还展示了框架应用在不可压缩流体运动的三维欧拉方程上的表现。

3. 了解艺术、文化和科研生涯中

持续爆发现象

期刊来源：Nature Communications

论文标题：

Understanding the onset of hot streaks across artistic, cultural, and scientific careers  

论文地址：

https://www.nature.com/articles/s41467-021-25477-8.pdf

创造性领域的一个显著特征是存在“持续爆发”（hot streaks），即集中性地产生高影响力的作品。了解“持续爆发”的起源不仅对我们定量理解创作生命周期模式至关重要，而且对社会大环境内辨识和培养人才带来启示。尽管在艺术、文化和科研，持续爆发的现象无处不在，但这类爆发开始的背后规律仍无法解释。难以解释的原因包括创造性职业的复杂性、对持续爆发现象缺乏系统解释、职业生涯中爆红现象出现的时间随机等等。

为了了解持续爆发现象的背后机理，近日在Nature Communications发表的一项研究分析了艺术家、电影导演和科学家的职业生涯，并结合深度学习和网络科学方法来构建这些领域的创作成果的高维表征。研究者们进一步量化了每个职业生涯中创作成果的影响，分别用拍卖价格、IMDB评级、10年内论文引用量来衡量。接着，将持续火爆的时间与个人创作轨迹相联系，并可以发现人们在爆发期开始前后工作特征的变化。研究发现在这三个领域中，个人倾向于在爆发期之前开始探索不同的风格或话题，但在爆发期开始后会明显变得更专注。至关重要的是，持续爆发现象与探索（exploration）到利用（exploitation）的过渡有紧密关联。

上图表示使用高维表示技术量化三个创作型领域中个人的创造轨迹。

4. 经济操纵的博弈

期刊来源：Physical Review X

论文标题：

Games in Rigged Economies

论文地址：https://journals.aps.org/prx/abstract/10.1103/PhysRevX.11.031058

传统上我们会把经济活动中的个体视为一个单一的主体，具备自己独立的判断和行为能力，但现实中的经济运作却容易被操控和控制。参与经济活动的主体可能会试图影响市场价格、股价让资金朝向有利于他们的方向流动。那么在复杂的经济活动中，这种操纵到底是或否可行？是否能带来预期的效果？来自西班牙马德里国家生物技术中心系统生物学部的 Luís F. Seoane 从博弈论的角度，分析了经济复杂性和财富增长对经济操纵行为的影响。该研究于 2021 年 9 月 15 日发表在 Physical Review X 上。

在该研究中，Luís F. Seoane 认为，干预会使得少数者博弈转变为协调博弈，经济复杂性的增加会瓦解行业垄断，但过高的经济复杂性会也会影响到系统的稳定性。通过模拟实验，Luís F. Seoane 认为，财富的增长必须快于经济复杂性的增长，这样参与经济活动的个体才能得以长期生存。

5. 深度线性神经网络的统计力学：

反向传播的核重整化

期刊来源：Physical Review X

论文标题：

Statistical Mechanics of Deep Linear Neural Networks: The Backpropagating Kernel Renormalization

论文地址：

https://journals.aps.org/prx/abstract/10.1103/PhysRevX.11.031059

深度学习在许多现实世界任务中的开创性成功激励人们从理论上理解深度学习在复杂任务的训练和泛化中的力量和局限性，但迄今为止进展有限。在这项工作中，研究人员研究了深度线性神经网络（DLNN）中学习的统计力学，其中单个单元的输入-输出函数是线性的。尽管单元是线性的，但 DLNN 中的学习是高度非线性的；因此，研究其特性揭示了非线性深度神经网络（DNN）的一些基本特征。重要的是，研究人员在监督学习之后使用权重空间中的均衡吉布斯分布精确求解网络属性。为此，他们引入了反向传播核重整化（BPKR），它允许从网络输出层开始逐层增量集成网络权重，然后向后推进，直到集成第一层的权重。这个过程使研究人员能够评估重要的网络属性，例如其泛化误差、网络宽度和深度的作用、训练集大小的影响以及权重正则化和学习随机性的影响。

这个理论构建了一种新的分析方法，即反向传播核重整化，它准确而全面地说明了训练有素的深度线性神经网络的“权重空间”的统计特性。这使研究人员能够评估确定网络泛化能力的特征，包括网络架构、训练数据大小、权重正则化和学习随机性。

反向传播核重整化的示意图

这个理论独立于训练数据统计，允许适用于各种现实问题。研究人员提出了从线性到非线性深度神经网络的启发式扩展，它可以很好地预测某些中等深度的非线性网络的行为，表明该理论的潜在应用和扩展。

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