集体的社会扩散模式由个体的惰性和趋向性决定 | 复杂性科学顶刊精选6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27日-10月3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、集体的社会扩散模式由个体的惰性和趋向性决定

2、社会特征的认知地图使社会网络中的灵活推理成为可能

3、当我们谈论颜色时，我们在谈论什么

4、深度学习确定了治疗新型冠状病毒的协同药物组合

5、识别致癌因素

6、对临界点的早期预警信号进行深度学习

1. 集体的社会扩散模式

由个人的惰性和趋向性决定

期刊来源：Nature Communications

论文题目：

Collective patterns of social diffusion are shaped by individual inertia and trend-seeking

论文地址：

https://www.nature.com/articles/s41467-021-25953-1

社会习俗（如握手与鞠躬问候，或语言中公认的语法规则和词义） 是社会和文化的基本方面。社会习俗的价值依赖于它的广泛传播度，因为个体通过选择相同的选项而获益，而不是因为特定选项的固有优点获益。社会扩散现象是习俗变化和演变的重要机制，少数人提出替代方案，随后在人群中广泛扩散，以取代现状。

经典Bass模型及其变体常被用于描述宏观层次的社会扩散现象，而基于主体的模型（Agent-based model）则能刻画个体层次的微观动态及其相互作用导致的复杂宏观现象。然而，社会心理学文献指出，决策过程普遍存在两种行为机制：惯性（或现状偏见）和趋向性（或动态规范）。前者表现为个人通常更愿意坚持他们当前的决定，后者表现为人们倾向于遵循在群体中观察到的趋势。但现有模型均未考虑这两种行为机制。

9月29日发表于 Nature Communications 的文章通过引入博弈论模型来考虑惯性和趋向性这两种行为机制。研究指出，惯性会延迟社会现象开始扩散的时间，而趋向性的存在会导致社会现象的爆炸性传播。

2. 社会特征的认知地图

使社会网络中的灵活推理成为可能

期刊来源：PNAS

论文题目：

Cognitive maps of social features enable flexible inference in social networks

论文地址：

https://www.pnas.org/content/118/39/e2021699118

社交网络庞大而复杂，个体无法获得网络内所有关系的一手知识，因而必须对未观察到的关系进行推断，以填补他们对于社交关系的空白。9月28日发表于PNAS的文章通过社会计算模型，研究了人们如何使用社交特征（如加入同一个俱乐部或共有同一爱好）来进行社交关系的补充推断。

研究表明人们主要以两种模式推断社交关系，分别为利用社交特征相似性的启发式方法和对社交特征之间的关系进行编码的认知图，前者简单但不灵活，后者复杂但更灵活。该研究揭示了人类能对许多抽象特征空间中的潜在关系进行编码，以灵活的形式表征社交网络。该研究对机器学习算法中模拟人类的链路预测具有启发意义。

3. 当我们在谈论颜色时，

我们在谈论什么

期刊来源：PNAS

论文题目：

What we talk about when we talk about colors

论文地址：

https://www.pnas.org/content/118/39/e2109237118

某些颜色是否更频繁地被人们提及？人们最常交流的颜色是否因文化而异？我们很容易发现，颜色的名称在不同语言中有很大的差异，然而各语言对颜色的分类却非常一致，人类感知颜色的共同生物学机制有助于解释跨语言的相似颜色分类。但是在不同的语言中，从颜色到词汇的映射并不相同，这可能反应了交流的需求，即说话者需要指代不同颜色的频率。

9月28日发表在PNAS的文章开发了针对跨语言颜色词汇的推理算法，量化了130种语言对于颜色的交流需求。研究发现人类对于不同颜色的交流需求并不统一，某些颜色空间区域的交流需求是其它区域的30倍，其中需求最大的区域与对人类祖先重要的颜色相关，如成熟水果或危险动物的颜色，这一共同交流需求有助于解释跨语言的相似颜色分类。同时，研究还揭示了不同语言间颜色交流需求的多样性，这是由语言发展区域的地理位置差异导致的。若考虑各语言所特有的交流需求，可预测一种语言如何将颜色映射到单词上，以及这种映射在不同语言间的变化。

该研究填补了颜色命名压缩理论的一个重要空白，同时也为研究不同颜色交流需求的跨文化差异及其对颜色分类的影响开辟了方向。

4. 深度学习确定了

治疗新型冠状病毒的协同药物组合

期刊来源：PNAS

论文题目：

Deep learning identifies synergistic drug combinations for treating COVID-19

论文地址：

https://www.pnas.org/content/118/39/e2105070118

新型冠状病毒疾病目前已经在全世界范围造成了超过250万人死亡，开发减轻疫情影响的疗法成为当务之急。然而，单一药物对冠状病毒的疗效较差。近期已有研究应用深度学习来识别针对某种疾病的协同药物组合，但此方法仅适用于具有大量数据集的疾病，而对数据有限的新型冠状病毒效果甚微。

9月28日发表于PNAS的文章提出了一个神经网络架构，同时学习药物-靶标的相互作用和药物-药物的协同作用，并且通过加入额外的生物信息，使得模型在小数据量下仍能保持较好的药物协同预测准确性。研究发现两种对新冠病毒较为有效的药物组合，为雷德西韦和利血平以及雷德西韦和 IQ-1S。

该研究的方法不仅可用于缓解新型冠状病毒疾病的紧急威胁，还可以很容易地扩展到针对其余小数据量疾病的协同药物组合的寻找上。

5. 识别致癌因素

期刊来源：Science

论文题目：

Identifying cancer drivers

论文地址：

https://www.science.org/doi/10.1126/science.abl9080

周详的蛋白质相互作用网络是了解正常细胞如何转变为癌细胞的关键工具。然而，尽管许多癌症有大量的基因突变目录，但是记录这些变异如何导致肿瘤生长的综合图谱却一直缺失。

10月1日发表于Science的综述文章梳理了蛋白质网络与癌细胞关联的相关文章，Swaney 等人和 Kim 等人分别使用亲和纯化-质谱法蛋白 (AP-MS) 检测头颈部鳞状细胞癌 (HNSCC) 和乳腺癌 (BC) 的蛋白质相互作用网络，发现了许多癌细胞中以前未知的相互作用，Zheng 等人将新的蛋白质相互作用网络数据与现有的公共数据结合起来，生成一个蛋白质通路的结构化地图，以帮助验证蛋白质相互作用网络。

该研究为未来癌症与蛋白质相互作用网络的具体分析提供了框架，可以推动人类对致癌转化的理解，并确定治疗目标。

6. 对临界点的早期预警信号

进行深度学习

期刊来源：PNAS

论文题目：

Deep learning for early warning signals of tipping points

论文地址：

https://www.pnas.org/content/118/39/e2106140118

一个接近平衡的系统可能会经历缓慢变化的外部条件，这些外部条件将系统推向临界点，使它的行为发生质的变化。而在非线性动力学中，临界点往往被视为局部分岔点（local bifurcation point）的同义词。通常临界点为有限的几种典型定态分岔，而这些典型分岔具有一些共性行为，如临界慢化（即系统在接近临界点时抗干扰能力急剧下降，使得系统动力学波动更大且自相关）出现于Fold分岔、Hopf分岔和超临界分岔这三种典型分岔中。因此可以利用临界慢化现象来预测临界点，但这种预测方法不能确定动力学具体的分岔类型。

9月28日发表于PNAS的文章开发了一种深度学习算法，通过学习系统动力学在平衡点附近的高阶近似，来区分不同类型的分岔，从而提供关于系统新状态某些方面的定性信息。该算法已为生态学、热声学、气候学和流行病学的268个系统提供了临界点预警，其灵敏度和特异性比原有预警方法高得多。该方法可以帮助人们更好地准备或避免不希望出现的状态转换。

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