science复杂系统与网络专辑.pdf

发布时间：2022-06-13 发布人：admin 分类：说明书资料大小：1.72M 资料格式：pdf 举报版权申诉

8597d702-df44-4605-ab32-a1c4093d82e5.pdf-第1页.png

第1页 / 共60页

8597d702-df44-4605-ab32-a1c4093d82e5.pdf-第2页.png

第2页 / 共60页

8597d702-df44-4605-ab32-a1c4093d82e5.pdf-第3页.png

第3页 / 共60页

8597d702-df44-4605-ab32-a1c4093d82e5.pdf-第4页.png

第4页 / 共60页

8597d702-df44-4605-ab32-a1c4093d82e5.pdf-第5页.png

第5页 / 共60页

8597d702-df44-4605-ab32-a1c4093d82e5.pdf-第6页.png

第6页 / 共60页

8597d702-df44-4605-ab32-a1c4093d82e5.pdf-第7页.png

第7页 / 共60页

8597d702-df44-4605-ab32-a1c4093d82e5.pdf-第8页.png

第8页 / 共60页

隋巧虹 405 412 引言-联系（韩筱璞校对）

林颖婷_406_我们自己和我们之间的相互作用：一个终极物理问题？（姜罗罗校对）

丁中俊 408 金融物理：多年来的争议（姜罗罗校对）

唐大海_409_反恐怖主义的新工具（赵明校对）1031

唐大海_410_调查网络科学：它的黑暗面（赵明校对）1106

林颖婷 414 重谈复杂网络分析的基础（韩筱璞校对）

李志华译 416 解开生命之网（刘建国校对）

解开生命之网

生物多样性的结构

结构影响鲁棒性

结构影响网络规模

超越物种的相互作用

结论

参考文献及注释

丁中俊译 419 分析社会生态系统持续性的普适性框架（刘建国校对）

陈博奎 422 翻译新搞（刘建国校稿）

彭丹译 425 技术社会系统行为的预测（周涛校对-有修订）

谢悦译 429 转录调节回路：从字母表中预测数字（刘建国，张勇校对）_new

Scinece, Vol. 325, 405 (2009) 联系 BARBARA R. JASNY, LAURA M. ZAHN, ELIOT MARSHALL 翻译：隋巧虹，韩筱璞中国科学技术大学近代物理系，合肥 230026 我们身处在相互联系、不可避免的网络世界中，无论是那些直接影响我们的，还是间接影响我们的网络体系。 —Martin Luther King Jr. 无论是从混沌状态到复杂系统，还是从人体细胞内分子运动到世界各国的相互联系，我们都是网络的一部分。这种特殊的现象显示出科学家们已经将网络分析推广到各个学科领域。 Barabasi 十年前发表了一篇关于无标度网络的开创性文章，引导我们回顾过去，展望未来(p. 412)。由于认识到误用基本假设所带来的潜在危险，来自从不同领域的研究人员纷纷投入到网络分析中去的热潮需要一些缓和(Butts, p. 414)。同时，网络分析也为我们提供了一个平台，帮助我们应对重大社会挑战： Bascompte(p. 416)正在研究着气候变化对生态系统影响这一全球性问题，而 Ostrom 则在研究能可持续性维持的组织系统。物理学家们同样也承担起了这一挑战，Adrian Cho 在报告中说到(p. 406)，最近物理学家们旨在使用定量的方法来预测索马里发生的种族冲突，观察因特网用户的情绪变化，追踪新的行为范式的出现。此外，John Bohannon(p. 409)调查研究了网络分析中一个最具争议性的用途：查明恐怖组织的重要头目并且消灭他们。此外，网络可以帮助我们理解一些潜在的机制，这些机制可影响到我们人类个体和一些社会系统，诸如货币兑换(Schweitzer et al., p. 422)，以及可以导致病毒传播(Vespignani, p. 425)的交通输运系统。从微观层面上说，分子生物学家正在利用网络系统分析基本的细胞回路，并且利用基本细胞回路(Kim et al., p. 429)来描述如何测量并且模拟出细胞内部结构的相互联系，并基于此原理生成对外界扰动的反应预测。此外，Science Signaling 将注意力集中在信号网络的动力学研究上。在许多问题上，我们需要更多更好的数据。只观察结构斑图是不够的，我们还需要深入研究他们是如何演化和改变的。我们现在所面对的挑战的难度告诉我们需要学习的东西还很多。我们应该如何理解一个复杂系统中的层次关系——从理解 DNA 序列到疾病征兆的转变，或是预测下一次经济衰退的时间？网络分析帮助我们从一个新的高度来理解世界是如何运作的，同时也让我们对未来十年里所要学习研究的内容感动兴奋不已。

Science, Vol. 325, 412 (2009) 无标度网络：过去十年及未来前景 Albert-László Barabási 翻译：隋巧虹，韩筱璞中国科学技术大学近代物理系，合肥 230026 DOI: 10.1126/science.1173299 【摘要】几十年来，我们一直都默认复杂网络系统中的成分例如细胞、社会，乃至网络都是随机联系在一起的。在过去的十年里，关于复杂网络的雪崩似的研究进展表明，许多真实的网络系统，它们聚合到类似的结构上而不依赖于年龄、功能、规模等特征，而这种普遍性允许来自不同领域的研究者以一种共同的范式研究网络理论。十年前发现的无标度网络是帮助催化网络科学出现的几个重要事件之一，这是一个充满挑战和成就的全新的研究领域。自然、社会以及许多工程技术领域需要依靠庞大的网络系统来支持，这些网络系统在近几十年来所显示出的重要性及其矛盾性已经证实了该系统所具有的复杂性和带来的理解上的困难性。举一个简单的模型，1959 年由数学家 Pál Erdős 和 Alfréd Rényi[1]所引进的模型就引起了人们对于互联网系统的广泛思考。他们认为复杂系统是通过随机联系结合的，这个假设已经被社会学、生物学以及计算机科学所接受。它具有强大的预测能力，能够解释诸如为什么每个人只需要 6 次传递，就可以接触到任何一个人[2-5]，而这个现象最早是在 1929 年观察到的[2]，但是在 Watts 和 Strogatz 将其扩大到社会领域之后才在物理学领域产生共鸣 [5]。然而，不可否认，这种随机假设所取得的成功确实也提出了一个问题：真实世界的网络系统是否也是随机联系的？也就是说，诸如细胞或者社会所构成的系统，如果它们的节点、分子或是社会中的人类是随机联系的，那它们之间的相互作用是否也是紧密分布？这个问题同样也激励着我们的工作，十年前无标度网络就应运而生[6,7]。我们第一条线索来自于十年前在对万维网结构调查得到的情况[8]，暗示真实世界的网络体系明显地显示出非随机分布的特征。我们发现，一个网页有 k 个链接的概率（换句话说，度数为 k）遵循幂律分布， P(k) = k-γ （1）这吃惊地背离了随机网络理论所预言的泊松分布。然而，直到我们认识到公式（1）也能够概括通过电影联系的演员合作网络、通过引用联系的科学文献网络的动力学特征之后[9]，我们才开始怀疑无标度特性[6]并不只限于万维网。1999 年在科学杂志上发表的论文就报道了在具有完全不同自然属性的网络之间所存在的出人意料的相似性，并显示出增长和优选连接这两种机制是其潜在的产生原因（如图（1）所示）。

图 1：无标度网络的产生。（上图和中图）十年前，人们引进了能够产生无标度拓扑结构的简单过程，如图中顶部两行所示。从三个相互联系的节点开始，在每个图像中一个新的节点（空圈）被添加进网络。当决定在何处连接时，新的节点会倾向于附加在有着更多连边的节点上，这个过程被看作是优先连接。由于增长和优选机制，我们可以观测到一个“富者更富”的过程，这就意味着较之连接较少的节点，有较多连接的节点就更容易获得更多的连接，导致一些高度连接的中心节点的自然出现。节点大小被选择与节点的度成正比，在演化过程中最终导致最大的中心节点的出现。由此产生的网络度分布遵循幂律分布（方程（1）），指数等于 3（见附件视频 S1 到 S3）。（下图）在物理学家的科学合作网络中关于生长过程的图示。每一个节点对应于一位作者，而如果两名作者共同完成一篇文章，那么就将两个代表这两名作者的节点连接起来。这四幅图显示了在一个月的时间间隔里这种网络的生长过程，标明网络是如何随着时间不断扩展，最终导致核心枢纽的出现。而节点大小仍然同节点的度成正比。[Credit: D. Wang and G. Palla] 1999 年当我们在总结：“我们期待这种标度不变性是许多复杂网络的通用特性。”[7]当然，这更多是预言而非现实，因为大自然本可以选择有多少种网络系统，就有多少种不同的架构。但是，现代网络理论中最令人惊讶的发现可能就是这种网络拓扑的普遍性：许多真实的网络系统，从细胞到因特网，都收敛于类似的结构上，而与它们的年龄、方式和规模等没有关系。正是这种普遍性允许来自不同学科的研究者以一种共同的范式研究网络理论。今天，对网络系统无标度特性这一关键的科学兴趣，从蛋白质分子相互作用到社会网络，从组成万维网的相互联系的文件链接网络到背后的互联网硬件，都已经毫无疑问地确立了起来。这个根据不仅来自于好的结构图和数据库，而且来自经验数据和能够预测网络结构的模型分析之间的一致性[10,11]。然而，早期发现带来的喜悦也不是没有负面影响，促使一些研究者甚至在缺少好的证据的情况下来标注许多无标度网络。但是，网络研究的结果促使我们更好地去理解构成网络结构的因素。例如，虽然非晶材料中随机绑定的原子形成一个令人着迷的网络，但是现在我们知道它既不能显示出小世界[12]也不能显示出无标度特性，这是由于这些纽带必须遵循一定的化学条件[13]。最后，人们感兴趣的一些网络的拓扑结构，像哺乳动物大脑的神经层次的结构仍然有待进一步的研究，而这意味着在这个领域中我们需要同时进行数据和模型的研究[14]。

无标度特性的意义之一在于认识到网络系统的结构和演化是不可分割的[6]。事实上，传统网络模型旨在以一种巧妙的设置方式连接具有固定数目的节点。这种无标度特性使得我们不得不承认由于节点和连接的出现，网络处在不断地变化之中（如图（1）所示）。换言之，为了解释系统的拓扑结构，我们必须得首先描述拓扑结构是如何产生的。如果不是发现了一系列的对忽视网络拓扑结构所带来的危险，网络理论的影响很有可能会被限制住。举个例子，Romualdo Pastor-Satorras 和 Alessandro Vespignani发现在无标度网络中，传染病的传播阈值收敛于0[15]。长期以来，人们都认为只有传播速率超过一临界阈值的病毒才可以在人群中生存下来。但是，这种传播速率能够捕捉传输中的动力学行为，这个传播阈值受制于病毒传播的网络拓扑结构。因此，阈值消失意味着在无标度网络中，甚至连弱毒性病毒都可以自由传播，这个发现影响了从艾滋病到计算机病毒传播的所有传播过程。类似地，Shlomo Havlin和他的合作者们[16]发现在无标度网络中，网络整体的连通性并不被随机的节点移除所破坏，解释了真实网络系统在随机节点故障下的鲁棒性[17]。作为新兴理论的证据，这些发现[15,16]被归因于相同的数学特性，即度分布二阶矩的发散性（Eq. 1） ——无标度网络的一个新的特征[6]。近来，这些特性引起了人们极大的兴趣，例如，真实网络系统（例如电网、因特网等等）存在着漏洞易遭受攻击，以及中心节点可能会遭到大规模的破坏的事实等等[17,18]。很明显，无论是在自然界还是技术领域，没有哪一个网络系统是完全随机的，也就是说，超越随机性的机制定性了他们的演化。从度分布[6]到度度相关性[19-21]、构型[22]和社会团体[23-25]，不同拓扑特征的广泛存在性被作为研究不同现象以及做出预测的跳板。同时，网络系统理论从根本上重塑了我们对于复杂性的认识。诚然，虽然我们对于复杂概念的定义仍然缺乏一致的意见，但是网络在这个领域的作用是十分明显的：所有的系统都被认为是复杂的，从细胞到因特网，从社会到经济体系，包含了相当多的通过复杂网络相互影响的成分。可以肯定的是，我们早就注意到了这些网络。但是直到最近，我们才开始通过数据和工具来探索他们的拓扑结构，帮助我们认识到潜在的联系对于系统行为有着重大的影响：除非探讨其网络拓扑，否则没有办法去理解复杂系统。在许多方面，在未来对于复杂理论的需求是显而易见的：我们需要理解我们所能感知的复杂系统的行为。我们需要能够预测因特网对于攻击以及交通拥堵的反应或者是细胞对于它所在环境变化的反应。为了在这个方向能够取得更大的成就，我们需要攻克下一个前沿问题，就是理解在网络中发生的动力学过程。而问题在于我们已经有了几乎和复杂系统一样多的动力学现象。例如，生物学家研究代谢网络中的反应动力学；计算机科学家观测计算机网络中的信息流；流行病学家、社会学家以及经济学家探索社会网络系统中病毒和思想的传播。尽管是多种多样的，但是否有这样的可能：这些动力学过程有着一些共同的特征？我怀疑这样的共性是存在的；我们只是还没有发现能够解释他们普遍性的框架。如果我们可以做到，同网络拓扑结构的普遍性相比，我们可能很快就可以找到能够构成复杂系统理论基础的这样的一个东西。我们能否保持这种势头并且在下一个十年或是更长的时间取得这个成果呢？在我看来，这是可能的，主要的瓶颈是数据的驱动。事实上，大型可靠的网络数据图的突然出现在过去的十年里促进了网络理论的发展。如果在近几年能够捕获发生在网络系统中的动力学过程的详细数据，我们的想象力就成为了唯一的限制因素。如果我对接下来的十年做一个大胆的预测，它是这样的：由于我们每天所要使用的电器设备数量的增长，从移动电话到全球定位系统和因特网，它们已经捕获了我们生活中的一切行踪[26,27]，在一个真正量化的方式下，我们首先能够认识的复杂系统不是细胞，也不是因特网，而是我们人类社会。今天，对网络系统的认识已经成为一系列传统学科的共同目标：细胞生物学家使用网络来研究信号传导和代谢过程，并命名在这一领域的一些应用；计算机科学家正在绘制互联网

和万维网的结构；流行病学家追踪病毒传播的传输网络；脑研究者正在致力于研究连接体— —一种神经水平的大脑连接图。虽然复杂系统的许多研究热潮来了又走，但是有一件事日益清楚：对于复杂系统而言，组元之间内在的相互连接是如此的重要——这正是现在我们关注网络的原因。参考文献 1. P. Erdős, A. Rényi, Publ. Math. (Debrecen) 6, 290(1959). 2. F. Karinthy, in The Structure and Dynamics of Networks, M. Newman, A.-L. Barabasi, D. Watts, Eds. (Princeton Univ. Press, Princeton, NJ, 2006). 3. S. Milgram, Psychol. Today 2, 60 (1967). 4. I. Pool, M. Kochen, Soc. Networks 1, 1 (1978). 5. D. J. Watts, S. H. Strogatz, Nature 393, 440 (1998). 6. A.-L. Barabási, R. Albert, Science 286, 509 (1999). 7. In a random network, the average node sets the scale of the network, which means that most nodes have about the same number of links as the average node. For networks that follow Eq. 1, for g < 3 the second moment of the distribution diverges, which means that the average is not characteristic because the error bars characterizing our uncertainty about its value are infinite. These networks lack a characteristic scale; hence, they are called scale-free. Formally, networks whose degree distribution follows Eq. 1 are called scale-free networks. 8. R. Albert, H. Jeong, A.-L. Barabási, Nature 401, 130(1999). 9. S. Redner, Eur. Phys. J. B 4, 131 (1998). 10. G. Caldarelli, Scale-Free Networks (Oxford Univ. Press, Oxford, 2007). 11. S. N. Dorogovtsev, J. F. F. Mendes, Evolution of Networks: From Biological Networks to the Internet and WWW(Oxford Univ. Press, Oxford, 2003). 12. The small-world property refers to the fact that in many networks the average node to node distance is rather small, of the order of log N, where N is the number of nodes in the network. 13. L. A. N. Amaral, A. Scala, M. Barthelemy, H. E. Stanley, Proc. Natl. Acad. Sci. U.S.A. 97, 11149 (2000). 14. E. T. Bullmore, O. Sporns, Nat. Rev. Neurosci. 10, 186(2009). 15. R. Pastor-Satorras, A. Vespignani, Phys. Rev. Lett. 86, 3200 (2001). 16. R. Cohen, K. Reez, D. Ben-Avraham, S. Havlin, Phys. Rev. Lett. 85, 4626 (2000). 17. R. Albert, H. Jeong, A.-L. Barabási, Nature 406, 378(2000). 18. A. E. Motter, Phys. Rev. Lett. 93, 098701 (2004). 19. M. E. J. Newman, Phys. Rev. Lett. 89, 208701(2002). 20. R. Pastor-Satorras, A. Vázquez, A. Vespignani, Phys. Rev. Lett. 87, 258701 (2001). 21. S. Maslov, K. Sneppen, Science 296, 910 (2002). 22. R. Milo et al., Science 298, 824 (2002). 23. M. E. J. Newman, Phys. Today 61, 33 (2008). 24. G. Palla, I. Derényi, I. Farkas, T. Vicsek, Nature 435, 814(2005). 25. J. Reichardt, S. Bornholdt, Phys. Rev. E 74, 016110(2006). 26. A. Vespignani, Science 325, 425 (2009). 27. M. C. González, C. A. Hidalgo, A.-L. Barabási, Nature 453, 779 (2008).

Supporting Online Material www.sciencemag.org/cgi/content/full/325/5939/412/DC1 Movies S1 to S3

我们自己和我们之间的相互作用：一个终极物理问题？原文出处： Science 24 July 2009:Vol. 325. no. 5939, pp. 406 - 408 原作者：ADRIAN CHO （译者：林颖婷中国科学技术大学近代物理系安徽省合肥市金寨路 96 号）（姜罗罗校对）在复杂社会经济学领域，物理学家和其他分析人员将个体看成了可交换的电子。这种方法可以解读这个社会吗？而它的困难在何处呢？新模式军队.民兵战士在一个模拟达尔富尔冲突的模型中与其他组织的相互作用苏黎世，瑞士——Janusz Holys 的语气听起来有点沮丧。“当我阅读情感心理学的教材时，发现里面既没有一个数字，也没有一个公式。”这位华沙科技大学的理论物理学家慨叹道。不过，Holyst 希望能够完善这类书所欠缺的内容。他打算发展一套能够对情感进行量化分析的方法，并试图用这些方法精确地读取个体的情感。凭借着欧盟委员会 360 万欧元的资金支持，Holyst 和他的八名合作者们想要编写一个计算机程序来分析网络聊天室里的对话，并显示人们是何时变成兴奋、生气等情绪的。标记关键词是不够的，他说，因为人们使用语言的方式并不相同，比如有些人咒骂的行为和愤怒的情绪无关。最后，Holyst 希望能够解释群体情绪。例如，当球队取得主场胜利时，幸福的愉悦感是如何在全场球迷中蔓延的。“现在有数十种模型来解释舆论的形成，”他说，“却没有一个来诠释情感。” Holyst是一批人数不多但队伍在不断扩大的物理学家中的一员，他们的研究对象从原子电

子转向了社会现象，如恐怖行动、城市发展进程、和网络视频普及过程。同社会学家们一起，他们将人群看成是许多个体相互作用的“复杂社会经济系统”，并且借用一些物理学、数学和计算机科学中的概念性工具对此进行分析。上个月，130名不同领域的研究者们聚集在此讨论这项工作。* “社会物理学”的研究开始于20世纪70年代初。一个著名的例子是，物理学家发现，个体间通过相互作用最终形成公共舆论的过程与相邻原子通过重排各自的磁场形成磁性晶体的行为十分相似；随后，Ising模型被用来分析这个社会现象，而这个模型原本是用来描述上述磁相互作用的。20世纪90年代，许多物理学家转向研究经济问题（见408页边栏），由此形成了经济物理学这一研究分支，尽管它一直处在有争议中。此外，由于复杂系统的研究者们已经在交通、流行病学以及经济领域的研究中做出了实际贡献，因此现在这种趋势有增无减。还有些人正在对付一些更加困难的问题，例如社会标准是如何出现的。 “社会物理学家提出的问题比大多数自然科学家以为的还要复杂的多，但解决起来又不像大多数社会学家想的那样无望。”瑞士联邦理工学院苏黎世分校物理研究出身的社会学家 Dirk Helbing说。但是过于简化也是很危险的。因为Ising模型可能并不符合实际情况，“在某些领域，物理学家因滥用Ising模型而恶名远播”，从事流行病研究的弗吉尼亚理工大学物理学家Stephen Eubank指出。然而，物理学家和社会学家正在共同致力于研究更加符合现实的模型，Helbing说。复杂系统研究方法有助于避免——或者至少能够解释——金融危机，比如现在的全球性经济衰退，他说。“我们花费了数十亿美元试图去理解宇宙的起源，”Helbing说，“而我们却依然不了解维持社会稳定、经济发展或者世界和平所需要的条件。”我们理解人类以及人类社会还需要付出更多的努力。复杂的复杂系统科学家无法按照他们定义原子或者基因的方式准确地来定义什么是复杂系统。相反，他们倾向于描述一个复杂系统看起来会是什么样子的，并且产生何种现象。“如果你问一名生物学家，‘什么是生命？’他会给你一张列表，上面写明生命所具有的特征，而不大可能给你一个严格的定义。”物理学家，来自挪威科技大学的Ingve Simonsen说，“复杂系统也是如此。” 首先，复杂系统包含了许多元素，这些元素之间的相互作用是如此的强，以至于它们总 *社会经济系统中的危机处理国际研讨会, 8–12 June 2009.

分享到：

赞收藏

资料库

science复杂系统与网络专辑.pdf

相关推荐

课程资源

热门标签

最新资料