社交媒体意见领袖怎样崛起？择优网络形成模型 | 复杂性科学顶刊精选7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11月29日-12月5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、社交媒体意见领袖怎样崛起？择优网络形成模型

2、通过AI引导人类直觉推进数学

3、一种预测生物活性分子结合构象的几何深度学习方法

4、信息搜寻的个体差异

5、量化在线平台中的社会组织和政治极化

6、量子系统的观察者不能同意“不同意”

7、通过广泛的自动化基准确保生物大分子建模的科学可重复性

1. 社交媒体意见领袖怎样崛起？

择优网络形成模型

期刊：Nature Communications

原题：

A meritocratic network formation model for the rise of social media influencers

地址：

https://www.nature.com/articles/s41467-021-27089-8

Instagram、YouTube、Twitter、Twitch等最常用的在线社交网络平台，都是基于用户生成内容（UGC）模式的。由于集成了搜索引擎，这些平台的用户可以根据原创内容及其质量，发现并关注与他们兴趣相同的人。本文提出了一种用于定向网络形成的未接触择优方法（untouched meritocratic approach）。这个方法受到Twitter数据中经验证据的启发：用户（actors）会持续地寻找最好的内容提供者。我们从理论和数值上分析了不同接触概率下的网络均衡性质：在具有常见的现实网络性质（如标度律或小世界效应）的同时，我们的模型预测期望值在质量排名上遵循Zipf's law。值得注意的是，相比于通过基于优先连接的方法所模拟的推荐系统，新方法的效果是鲁棒的。我们的理论结果通过自Twitch收集的大量数据进行了实证验证（Twitch是一个快速增长在线游戏平台）。

2. 通过AI引导人类直觉推进数学

期刊：Nature

原题：

Advancing mathematics by guiding human intuition with AI

地址：

https://www.nature.com/articles/s41586-021-04086-x

数学实践包括发现模式（pattern），并以此提出和证明猜想、形成定理。自20世纪60年代以来，数学家们已经利用计算机来帮助发现模式和推导猜想，其中最著名的是 Birch 和 Swinnerton-Dyer 猜想，7个千禧年大奖难题之一。在这里，我们提供了纯数学中在机器学习的帮助下发现的新的基本结果的例子ーー展示了一种机器学习可以帮助数学家发现新的猜想和定理的方法。我们提出了一个利用机器学习来发现数学对象之间潜在的模式和关系的过程，用归因技术来理解它们，并利用这些观察来指导直觉和提出推测。我们概述了这个机器学习引导的框架，并展示了它在当前纯数学不同领域的研究问题中的成功应用，在每一个案例中，它是如何在重要的未解问题上产生有意义的数学贡献的：关于扭结（knots）问题代数结构和几何结构之间的新联系，以及对称群的组合不变性猜想所预测的候选算法。我们的工作可以作为数学和人工智能领域合作的典范，通过利用数学家和机器学习各自的优势，可以取得惊人成果。

（集智俱乐部正在进行对本论文的全文翻译）

3. 一种预测生物活性分子结合构象的

几何深度学习方法

期刊：Nature Machine Intelligence

原题：

A geometric deep learning approach to predict binding conformations of bioactive molecules

地址：

https://www.nature.com/articles/s42256-021-00409-9

了解配体与其分子靶标之间形成的相互作用是指导分子优化的关键。为了更好地理解这些分子间相互作用，人们已经应用了不同的实验和计算方法。在这里，我们报告一种基于几何深度学习的方法，该方法能够预测配体与蛋白质靶标的结合构象。该模型根据距离似然学习统计力学势（statistical potential），这是为每个配体-目标对而量身定制的。这种势可以与全局优化算法相结合，以重现配体的实验结合构象。我们的工作表明，此处描述的基于距离似然的势，在对接和筛选任务中的表现已经接近或超过了完善的评分函数。总的来说，这种方法代表了人工智能用于改进基于结构的药物设计的一个案例。

4. 信息搜寻的个体差异

期刊：Nature Communications

原题：

Individual differences in information-seeking

地址：

https://www.nature.com/articles/s41467-021-27046-5

如今，大量的个性化信息可供个人使用。一个重要的研究挑战是确定人们如何决定他们希望获得什么样信息。在本文中，有超过五项研究分别考察不同领域的信息搜寻（information-seeking），我们发现信息搜寻与三种不同的动机有关。具体来说，我们发现参与者评估信息是否对指导行动有用，信息会让他们有什么感受，以及它是否与他们经常想到的概念相关。我们证明，参与者将这些评估整合到解释信息寻求或避免信息价值的计算中。不同的人在寻找信息时对这三个因素赋予不同的权重。采用纵向研究的方法，我们通过一系列精神病理学问卷评估发现，随着时间的推移，这些信息搜寻动机的相对权重表现出稳定性，并且与心理健康相关。信息搜寻对于学习、社会行为和决策具有重要意义。在这里，作者调查了与个体差异的信息寻求行为相关的各种因素。

5. 量化在线平台中的

社会组织和政治极化

期刊：Nature

原题：

Quantifying social organization and political polarization in online platforms

地址：

https://www.nature.com/articles/s41586-021-04167-x

人们大量选择志同道合的人可能会使网络社会分裂和两极分化，尤其是在党派差异方面。然而，我们衡量在线社区的社会构成并进而了解在线平台的社会组织能力受到数字讨论的匿名、非结构化和大规模性质的限制。在这里，我们开发了一种神经嵌入方法，通过利用大规模的聚合行为模式来量化在线社区在社会维度上的定位。通过将该方法应用于14年来在社交媒体平台Reddit上的10000个社区中发表的51亿条评论，我们衡量了宏观社区结构如何在年龄、性别和美国政治党派等方面进行组织。通过检查政治内容，我们发现Reddit经历了围绕2016年美国总统大选的重大两极分化事件。然而，与传统观点相反，个人层面的极化很少见。2016年系统级别的转变主要是由新用户的到来造成的。Reddit上政治极化与平台之前的活动无关，而是与外部事件在时间上保持一致。我们还观察到明显的意识形态不对称，2016年政治极化的急剧增加完全归因于右翼活动的变化。这种方法广泛适用于在线互动的研究，我们的研究结果对在线平台的设计、理解在线极化的社会背景以及量化在线极化的动力学和机制都有启发意义。一种新方法量化了在线社区的社会构成，并将其应用于14年来Reddit上的评论模式，结果显示在2016年，由于新用户的加入，Reddit的两极分化加剧。

6. 量子系统的观察者

不能同意“不同意”

期刊：Nature Communications

原题：

Observers of quantum systems cannot agree to disagree

地址：

https://www.nature.com/articles/s41467-021-27134-6

世界是量子的吗？量子基础中一条活跃的研究线是致力于探索哪些约束可以排除（rule out）与实验观察结果一致的后量子理论（postquantum throries）。我们在认识论的背景下探索这个问题，并追问观察者之间的一致性是否可以作为任何世界理论都必须遵守的物理原理。Aumann 开创性的“一致性定理”指出，（经典系统的）两个观察者不能同意不同意（cannot agree to disagree）。我们建议将此定理扩展到非信令设置中。特别地，我们为量子系统的观察者建立了一个协议定理，同时我们构建了（后量子）非信令箱（no-signaling boxes）的例子，观察者可以在其中同意不同意。PR箱（PR box）是这种现象的一个极端实例。这些结果使得观察者之间的一致性，可能是看似合理的物理原理，同时它们也建立了认识论和量子信息领域之间的联系，值得进一步探索。

7. 通过广泛的自动化基准确保

生物大分子建模的科学可重复性

期刊：Nature Communications

原题：

Ensuring scientific reproducibility in bio-macromolecular modeling via extensive, automated benchmar

地址：

https://www.nature.com/articles/s41467-021-27222-7

每年，大量的国际资源都浪费在不可重复的研究上。尽管高维数据、工作流程的复杂性和计算环境不断增加，但科学界在采用标准软件工程实践方面进展缓慢。在这里，我们展示了当满足简单的可再现性设计目标时，如何以可复现的方式创建科学软件应用程序。我们描述了测试服务器框架和 40 个科学基准的实现，涵盖了 Rosetta 生物大分子建模中的众多应用。高性能计算集群集成允许这些基准测试连续自动运行。详细的协议捕获对于 Rosetta 和其他大分子建模工具的开发人员和用户很有用。此处介绍的框架和设计概念对于任何类型科学软件的开发人员和用户以及科学界创建可重复的方法都很有价值。具体示例突出了该框架的实用性，综合文档说明了在几个小时内添加新测试的简便性。

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