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4月12日-4月18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:

  • 哺乳动物群落在进化时间尺度上的生态平衡点

  • 利用无监督学习从2.5亿个蛋白质序列中探索生命

  • 收入增长与财富分配

  • 社交网络中的特洛伊木马,利用网络结构减少性别隔离

  • COVID-19疫情严重程度与非药物干预时机之间关联的基因证实报告

更新提醒:顶刊速递已支持论文图片速览

1.哺乳动物群落

在进化时间尺度上的生态平衡点

打开网易新闻 查看更多图片

期刊来源:Science 论文标题: Punctuated ecological equilibrium in mammal communities over evolutionary time scales 论文地址: https://science.sciencemag.org/content/372/6539/300.full

在当前生物多样性危机的背景下,保护工作可直接用于维护生态系统内的相互作用和过程,包括那些有益于人类的相互作用和过程。这个概念不同于基于分类单元的方法,而是侧重于物种的表型特征,同时侧重于功能性特征——这些特征凝聚了物种生态作用的多个方面。研究人员坚信,面对更强的干扰,保护更高的表型多样性应有助于稳定生态系统(即“保险效应”),增加生态系统功能的持久性,并确保对人类的未知收益。即使如此,当前的保护决定仍将对进化的未来产生影响。

两种功能性转变的背景表明非生物变化(气候和气候驱动的生物地理环境)在系统转变中具有重要作用。然而,环境导致的灭绝模型并未发现特定特质或其组合对不同时间段内灭绝的总体影响。这种非生物因素的影响没有通过特质介导的局部灭绝来表达。相反,这些分析表明,在功能过渡期间,外来功能性动物的特征性物种显示出灭绝的风险显着高于外来动物。因此,物种在严重的生态转变过程中的灭绝,似乎是由它们对崩溃的功能系统的依附而非其特定的功能性状所决定的。

总之,本项研究为保护的功能视角提供了更深层次的维度:为确保生态系统功能而采取的行动比针对保护生物分类结构的行动所能承受的时间更长。研究人员发现,较高的功能多样性增强了生态系统功能的持久性,产生了时间上的长期变化。但是,分类学与生态学之间模糊的联系产生了警告性的提示。由于高功能多样性动物群中的物种没有表现出较低的灭绝风险,因此长期使用较高功能多样性系统的赌注不一定会最大程度地减少物种损失。如果探究过去有助于阐明未来,那么古生物学界观点则进一步强调了将灭绝最小化的保护政策与以生态系统功能及其对人类的利益为目标的保护政策之间的差距。

2.利用无监督学习

从2.5亿个蛋白质序列中探索生命

打开网易新闻 查看更多图片

期刊来源:PNAS 论文标题: Biological structure and function emerge from scaling unsupervised learning to 250 million protein sequences 论文地址: https://www.pnas.org/content/118/15/e2016239118

数十年来,公共数据库中蛋白质序列数量的增长呈指数趋势,我们逐渐深入了解整个生命中蛋白质序列的广度和多样性。这些数据为使用人工智能研究生物学的预测和生成模型提供了有前途的基础。近期,科研人员重点关注于使单个模型适合整个进化过程中的许多不同序列。因此,他们探究了高容量的神经网络,研究了从大规模的进化数据建模中可以学到的关于蛋白质生物学的知识。

解锁蛋白质序列变异中编码的信息是生物学中一个长期存在的问题。人工智能领域的一个类似问题是自然语言理解(natural language understanding),其中的分布假设认为,单词的语义可以从其出现的上下文中得出。

最近,基于自监督的技术(一种无监督的学习形式,其中文本中的上下文用于预测缺失的单词)已被证明可以实现可以在自然语言任务中普遍使用的单词含义的表示形式 。有了更大的训练数据集,学习此类表示的能力将大大提高。

通过平均隐藏序列中每个位置的隐藏表示,研究人员可以将每种蛋白质表示为单个载体。蛋白质基于序列表示为高维空间中的点。每个序列表示为一个点,网络分配给相似表示的序列被映射到附近的点。科研人员探索了如何在这个空间中表示同源基因。

尽管序列存在差异,直系同源基因的结构和功能可能会保留。研究人员发现,训练可以塑造表示空间,从而使直系同源基因聚类。下图显示了使用t-SNE的模型表示空间的二维投影。训练之前,模型表示空间中的直系同源蛋白质的组织是分散的。直系同源基因聚集在学习的表示空间中。

虽然本项蛋白质序列模型的规模与文本域中使用的模型相当,但该实验尚未达到规模的极限。研究人员观察到,由于模型容量不足,即使训练的最高容量模型(具有约650至700 M参数)也无法拟合序列数据集。同时他们还发现,语言建模的逼真度与表示形式中编码的结构信息之间的关系表明,更高的容量模型将产生更好的表示形式。

在未来,如果神经网络可以将从蛋白质序列中学到的知识转移到设计功能性蛋白质,则可以将其与预测模型结合起来,共同生成和优化所需功能的序列。当前序列数据的大小及其预计的增长点指向通用生成模型的可能性,该模型可以压缩序列统计信息的整体,内化和整合基本的化学和生物学概念,包括结构、功能、活性、定位、结合与蛋白动力学,以产生新的序列——在自然界中从未见过,但具有生物活性的新序列。

3.收入增长与财富分配

期刊来源:PNAS 论文标题: Earnings growth and the wealth distribution 论文地址: https://www.pnas.org/content/118/15/e2025368118.long

“劳动创造财富”是古往今来的基本常识。而进入21世纪以来对于这个观点,人们进一步认识到,由于人力资本的出现,创新性的劳动创造的社会财富更加丰富。在今天,人们似乎对“劳动创造财富”有所怀疑,因为存在着分配不公以及不通过劳动却能快速致富的现象。例如,普通员工和管理层人员劳动收入差距过大,股市中一夜暴富的现象也是很好的印证。劳动收入尚且不平均,更不用说财富的分配。当贫富差距越来越大,到底什么是导致财富不均衡的主要因素呢?

近日发表在PNAS上的一项研究验证运气、决定储蓄决策的态度和劳动收入增长率之间如何相互平衡,同时形成劳动收入、年龄和财富在人群之间的联合分布,发现均衡储蓄利润率和个人的非财务性收入增长率,在引导“贫富”竞争力量平衡中发挥关键作用。人们储蓄和企业追求资本的强烈动机促进均衡利率提升,这足以使财富增长快于劳动收入增长。另外,个人的收入增长率个人寿命和他们对消费偏好相互作用并影响总储蓄和利润,这使得财富分配较劳动分配更加不均。

打开网易新闻 查看更多图片

上图为收入、财富和消费的微观动态和宏观横截面分布。

4.社交网络中的特洛伊木马,

利用网络结构减少性别隔离

期刊来源:Science Advances 论文标题: The Trojan-horse mechanism: How networks reduce gender segregation 论文地址: https://advances.sciencemag.org/content/7/16/eabf6730

在劳动力市场中,性别比例不平等包含了众多议题:从就业歧视到收入不均,从工作分工到职场天花板。每一个对立的事件都会引发社会热议。在既往的研究中通常认为基于同质性网络的招聘方式是造成这一问题的主要原因。瑞典林雪平大学的 M. Arvidsson、P. Hedström 和西班牙拉曼鲁尔大学的 F. Collet 就对这一问题给出了新见解,提出了社交网络中的特洛伊木马机制(Trojan-horse mechanism)。该研究于 2021 年 4 月 6 日发表 Science Advances 上。

特洛伊木马机制表示的是在两个不同的性别比例的群体中,单次人员流动会在网络中建立一条通路,并促进人员持续流动,进而持续性的改善性别隔离问题。尽管网络中的个体更倾向于“找同类”,但网络结构本身的改变却有助于改善网络的同质性。

特洛伊木马机制示意图

5.COVID-19疫情严重程度与

非药物干预时机之间关联的基因证实报告

‍‍‍‍‍‍‍‍‍‍期刊来源:Nature Communication 论文标题: Genetic evidence for the association between COVID-19 epidemic severity and timing of non-pharmaceutical interventions 论文地址: https://www.nature.com/articles/s41467-021-22366-y

为遏制COVID-19疫情,很多国家采取了前所未有的公共卫生干预措施,包括旅行限制和国家封锁,但对于非药物干预的有效性仍存在争议。Manon Ragonnet-Cronin等人对来自57个地区的2.9万多个公开可用的SARS-CoV-2全基因组序列进行了系统发育分析,以估计疫情在不同地方起源的时间。这些估计数与每个地点最严格干预措施的日期、COVID-19累计死亡人数以及流行病规模的系统动力学估计数进行了比较。研究者分析出从疫情起源到最大干预措施之间的时间间隔与不同的疫情严重程度措施有关,并解释了最严格干预后一个月报告死亡人数差异的11%。在研究期间,较早实施强有力的非药物干预措施的地区,COVID-19发病率和死亡率的严重程度要低得多。

打开网易新闻 查看更多图片

这项研究通过遗传数据的准备和研究地点的选择,估计区域病毒传播的时间,非参数种群动力学推测,分析传播模型及种群动力学,并与其他来源的数据进行比较和统计分析得出结论。

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)

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。