复杂性科学论文推荐8篇 | Complexity Express一周精选2.8-2.14

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2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：

• 气候因素对SARS-CoV-2冬季爆发的影响评估

• 达尔文理论及其在自催化RNA反应网络中的折衷

• 纠缠的蠕虫与机器人合作模块的集体动力学

• 亲缘选择解释了肠道微生物群合作的进化

• 利用基于机器学习的人口流动模型预测流感传播

• 现代人类祖先的起源

• 估计对生物细胞理论描述的计算极限

• 熟识阴影区： 让少数派被倾听被看见

1.气候因素

对SARS-Cov-2冬季爆发的影响评估

期刊来源：Nature Communications 论文题目： Assessing the influence of climate on wintertime SARS-CoV-2 outbreaks 论文网址： https://www.nature.com/articles/s41467-021-20991-1

自2020年初，新冠肺炎开始席卷全球。2020年2月13日，世界卫生组织日前宣布新型冠状病毒所引发疾病的英文名为“COVID-19”，而国际病毒分类学委员会宣布这种病毒的英文名为“SARS-CoV-2” （这一名称与SARS疾病没有关联） 。迄今为止，高易感性限制了气候因素在SARS-CoV-2大流行中的作用。然而，随着病毒易感性下降和北半球冬季的临近，探究未来气候可能产生的影响成为一个重要的开放性问题。

2021年2月8日发表在 Nature Communications 上的一篇文章，通过使个流行病学模型，在观察约束下评估未来SARSCoV-2疾病轨迹对当地气候条件的敏感程度。研究者发现这种敏感程度既取决于人群对病毒的易感性，也取决于非药物干预措施（NPIs，non-pharmaceutical interventions）在减少病毒传播方面的效率。假设存在更高的易感性，则可能需要更严格的NPIs以减少新冠病毒在冬季爆发的风险。研究结果表明，NPIs强度仍然是未来新冠疫苗接种前病毒暴发规模的最大决定因素。虽然气象预报在预测疫情严重程度和规模方面的作用微乎甚微，但其能减少流行病学参数的不确定性，这可能会对疫情准确预测产生重大的影响。

图a表示气候因素对R0的影响（假设8月和12月的NPIs下降35%）；图b表示在2020年7月后，气候因素、病毒易感性的变化和NPIs对全球9个城市感染高峰比例(感染=I/人口=N)的影响

2.达尔文理论

及其在自催化RNA反应网络中的折衷

期刊来源：Nature Communications 论文题目： Darwinian properties and their trade-offs in autocatalytic RNA reaction networks 论文网址： https://www.nature.com/articles/s41467-021-21000-1

可以进化的自催化化学是系统化学的主要目标，同时也是了解生命起源的关键一步。自催化网络已在各种化学中发现，但是我们对网络拓扑如何控制由化学成分介导的变异、差异繁殖和遗传的达尔文特征缺乏普遍的了解。

化学物质共同催化彼此，合成的自催化反应网络是进化出现的关键因素——它们可够维持并再生失衡的化学状态。在实验上，已经描述了由多种分子构建的自催化化学，包括有机分子和无机分子、环状化合物、肽、DNA及RNA。理论上已经表明，自催化反应网络可以从随机池中产生，目前已有几种猜测来说明它们如何支持早期的进化模式。尽管所提出的动力学猜测的化学实施方案有所不同，但是这些场景具有共同之处——形成多种自催化系统的可能性。其中，进化是由此类系统之间的转变引起的。基于同样的线索，最近的实验表明，RNA复制 （通过RNA依赖的RNA聚合酶） 可能已经作为此类网络的组成部分出现；而超周期模型表明，早期复制可能已经有网络参与。自催化网络进化的可能性非常重要，因为RNA复制酶的自发出现具有足够的持续合成能力，以允许自我复制和并表现出足够的保真度来避免错误灾难似乎不大可能，因为它的长度 （> 165 nt） 和结构复杂性都进行了提高了错误率。

网络扰动分析

研究人员指出，如果连通性是平衡的，且遗传机制足够强大，那么在分隔和选择周期中，如果系统保持不平衡状态，自催化集中既可能发生进化。在这种情况下，由于罕见的反应或环境因素的影响，新型催化剂的随机出现可能反过来又促进了新型自我维持的自催化网络出现。稀释和选择可能会导致其他催化剂的失效，从而在自动催化装置中提供各种可遗传变化的模式。这样的自催化网络动力学可以提供一种渐进的途径——通过该途径可以以达尔文进化论的方式探索和选择新的化学状态。其后，下一步将研究了解网络中的达尔文进化如何选择并保留了日益复杂的化学体系——温度，盐度或其他物理化学条件的环境循环可能会助长该体系。在未来，科研人员将尝试研究这种网络的演变如何导致基于模板的复制的发展——正如当今的生活系统中所观察到的那样。

3.纠缠的蠕虫与机器人合作模块的

集体动力学

期刊来源：PNAS 论文题目： Collective dynamics in entangled worm and robot blobs 论文网址： https://www.pnas.org/content/118/6/e2010542118

各种规模的生物系统都聚集在一起，以实现多种功能，包括交配、捕食和生存。大多数此类系统由无联系的个人组成，它们聚集在一起，成群结队或成群结队。但是，某些聚合涉及物理上纠缠的个体，这可能使集体具有新出现的机械功能材料特性。

多个独立个体 （无论有无生命） 在面对需要解决的紧急功能或完成共同任务时，互相推动组成了生命集合体。在这些系统中，个体与其环境之间的反复交互会在小组级别产生更复杂的行为。根据相互作用的类型，集合体可以显示出类似流体的性质或类似于固体的性质。通常在无联系的个体中，可观察到类似流体的行为——这些个体避免身体接触 （例如在成群的鸟或放养的鱼类中） 。另一方面，类固相行为是个体之间物理接触的结果，例如蚂蚁或蜜蜂的自组装体。后一种类型中，相互作用的生命个体聚集起来能够形成大型的机械功能结构 （食道、木筏、桥梁等） ，从而获得个体没有的新功能，尤其是在单独个体无法独自生存的逆境下，维系群体的存活。

蠕虫模块结构通过物理缠结形成。

对于机器人技术而言，创建一个连贯的、由简单机器人构成的群体长期以来都是一个挑战。目前，机器人物理学家正努借助力学和物理学，以分散方式 （而非传统算法） 执行集体任务已经成为一种新兴趋势——即基于群体的集中控制方法。机器人技术中，基于理想的理论模型，单个机器人之间复杂的物理交互作用常常被简化或忽略。通过机器人集合体，作者展示了个体之间的随机局部交互作用之间存在的丰富行为，这导致了动态凝聚的机器人集合体中出现了拉动功能，可以减小基体摩擦力甚至改变力传递。这些原理可以在针对现实应用的涌现型机器人的设计中加以利用。

对于生物学而言，蠕虫集合体具有巨大的潜力，可以激发适应性活性物质，并加深我们对集体生物新兴生物力学的理解。据科学家所知，在细胞尺度上，唯一能够发生运动的纠缠组合即粘液霉菌盘基网柄菌的变形细胞形成由cAMP波同步的运动集体。从较大规模来看 （如昆虫社会中） ，可以观察到几乎所有已知的功能性自组装结构 （如木筏、桥梁等） 的实例。尽管它们可以适应并重组，但不会出现整个纠缠的集体的活动。后续研究中，还可以探索非节肢动物多细胞生物中，个体纠缠与自我运动的自组装行为。

4.亲缘选择

解释了肠道微生物群合作的进化

期刊来源：PNAS 论文题目： Kin selection explains the evolution of cooperation in the gut microbiota 论文网址： https://www.pnas.org/content/118/6/e2016046118

在物种的演化历程中会出现合作演化的现象，汉密尔顿法则（Hamilton's rule）也对这一现象给出了宽泛的解释：即认为遗传上的相关性会增加合作演化现象的发生。但这一理论在微生物群体中并未得以验证。来自英国爱丁堡大学的演化生物学研究所的二位研究者就对这一问题给出了新的分析。该研究于 2021 年 2 月 9 日发表在 PNAS 上。

在该研究中，研究者发现人类的亲缘选择解释了肠道中微生物的合作演化。通过该研究的结论，汉密尔顿法则得到了新的例证于支持。相关性的增强确实会促进合作演化，这也说明汉密尔顿法则是普遍成立的，对复杂的种群都具有预测能力。

亲缘选择解释了人类肠道中微生物的合作演化

5.利用基于机器学习的人口流动模型

预测流感传播

期刊来源：Nature Communications 论文题目： Forecasting influenza activity using machine-learned mobility map 论文网址： https://www.nature.com/articles/s41467-021-21018-5

人口流动是传染病传播的主要动力，数据驱动的疾病动态预测对于卫生官员和私人公民的决策至关重要，但现有人口流动数据在可用性、覆盖范围、粒度与及时性方面都有很大限制。2月9日发表在 Nature Communication 上的一篇文章汇总了数亿部智能手机信息，提出了一种基于机器学习的匿名人口流动地图 （anonymized mobility map，AMM） ，并评估了其在预测流行病中的效用。

匿名人口流动地图，（a）图为美国东北部、（b）图为澳大利亚东南部。每5平方千米的单元格的颜色对应于对数标度下的总流出量的年平均值（较暖的颜色表示较高的流量）

该文章将AMM纳入一个人口模型，以回顾其在美国和澳大利亚的流感预测中的表现。作者发现，AMM预测疾病传播的能力十分优秀，甚至可以跨越州界，表现出了与基于通勤数据的模型同等的性能，且在稀疏性与成本方面有着巨大优势。

6.现代人类祖先的起源

期刊来源：Nature 论文题目： Origins of modern human ancestry 论文网址： https://www.nature.com/articles/s41586-021-03244-5

可能你也想过，“我们的祖先是谁？他们过着怎样的生活呢？”2021年2月10日nature上的一篇文章或许可以帮助你来理解。研究者们将追溯到遥远的过去来探索现代人类的祖先，并回顾当前对早期人类人口历史的理解，调查人类祖先在不同时间点的地理位置和他们可能接触到的人，以及这些祖先群体是否在现有化石记录中能有所体现。该研究确定了围绕“现代人类祖先起源”这一主要主题的三个关键阶段，它们或将成为未来的研究前沿。

最近的一个阶段 （第三阶段） 是在4万到6万年前。现代人类在世界范围内扩张，他们与尼安德特人和丹尼索瓦人等古老群体有着最后的接触。第二个阶段为6万到30万年之间，关系到在非洲起源的现代人类多样性。最古老的阶段 （第一阶段） 是30万至100万年前，在该阶段发生着现代人类祖先与古人类群体的复杂分离。

“现代人类祖先起源的时间和地点”和“现代人类起源的时间和地点”是两个不同的问题。该研究主要回答的是第一个问题。考虑到任何对起源的不严格定义都有可能过度简化人类历史的连续性和复杂性，对第二个问题的研究仍在路上。

第二阶段：现代人类在非洲的起源和多样化

7.估计对生物细胞理论描述的计算极限

期刊来源：PNAS 论文题目： Estimating computational limits on theoretical descriptions of biological cells 论文网址： https://www.pnas.org/content/118/6/e2022753118

最近，在分子层面对复杂生物系统的模拟取得了很大成功，该类工作的最终目的是对整个细胞进行第一性原理建模。然而由于细胞的巨大复杂性，这样的仿真能否进行本身就是一个难以回答的问题。2月9日发表在 PNAS 上的一篇文章针对该问题建立了近似方程，以估计通过分子动力学计算或求解分子动力学方程来模拟高度简化的细胞模型所需的计算时间。

该文章表明，理论上最简单的细菌细胞在不久的将来就可以通过求解分子动力学方程进行描述。在摩尔定律不失效的前提下，对单个细胞的模拟需要花费大约五十年。然而，即使量子计算可以用于求解分子动力学方程，对于诸如人脑的多细胞系统进行仿真依然是遥遥无期、甚至永远无法完成的。

在物理学中，海森堡不确定性原理限制了确定单个粒子的值对 （例如位置和动量） 时的精度。生物学中不确定性的概念则是完全不同的，尽管生物学中提出的由于实验错误而无法确定细胞基因组确切核苷酸序列的不确定性有着广泛的知名度，但目前还没有公认的生物学不确定性原理。作者希望该文章介绍的工作能够激发人们对制定全面的生物学不确定性原理这一更大问题的思考。

8.熟识阴影区：让少数派被倾听被看见

期刊来源：PNAS 论文题目： Social penumbras predict political attitudes 论文网址： https://www.pnas.org/content/118/6/e2019375118

尽管在诸多国家中，都会尽量保持政治上的人人平等。但我们在日常生活中仍然能看到有太多的人去抱怨自己的问题并没有的到关注、自己的呼吁并没有被倾听，换句话说每个人的政治影响力并不相同。为了解释不同群体政治影响力的差异，来自美国哥伦比亚大学和以色列特拉维夫大学的研究者就提出了测量群体政治影响力新方法。这一研究于 2021 年 2 月 9 日发表在 PNAS 上。

在这项研究中，研究者提出了一个名为熟识阴影区（penumbra）的新概念。阴影区指的是与某一特定核心人群（Core group）所认识的人群，这其中就包括：家庭成员（Family members）、密友（Close friends）与普通熟人（Acquaintances）。而不同的核心人群所对应的熟识阴影区大小并不相同。

熟识阴影区（penumbra）示意图

该研究发现，尽管部分社会群体具有相似的核心人群，但其熟识阴影区差异可能非常巨大。比如，流产经历可能是非常难以启齿的，而随着社会观念的转变，性少数群体则相对容易向他人告知自己的性取向。而且，研究也证明如果能增加特定群体的熟识阴影区大小，让该群体的问题在社会中得到关注与声援，或许就能缓解相应的社会问题与压力。

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

• Physics Review Letters

• Physics 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）。