提高科學影響力的關鍵因素是什麼?| 複雜性文摘6篇
來自專欄複雜性科學6 人贊了文章
1.合作多樣性和科學影響力
原文標題:Collaboration Diversity and Scientific Impact
原文鏈接: http://arxiv.org/abs/1806.03694論文作者:Yuxiao Dong, Hao Ma, Jie Tang, Kuansan Wang
從個人努力到科研合作的轉變促進了科學的發展,與個人研究相比,科研合作導致了更多高影響力研究的發表。然而,對於合作團隊的多樣性會如何影響知識的產生和創造,我們仍然缺乏了解。為了研究這個問題,我們考察了過去五十年發表的3290萬篇論文的科學合作過程。
我們發現,產出高引用率文章的概率,和整個團隊合作者的多樣性——即該團隊成員所代表的不同科研機構的數量——成正相關。我們同樣發現了一個驚人的現象:人數越少但成員多樣性越高的團隊,和一個人數越多但來自同一個科研機構的團隊相比,更有可能產生高度創新的成果。
我們證明了,合作多樣性的協同作用在不同的年代,不同的研究領域,以及不同層級的科研機構或個人作者中,都具有普遍性。研究結果表明,合作多樣性和科學創新有著非常強的正相關,這可能會引發項目資助機構及權威人士關於如何資助項目的政策的潛在變革。甚至,這也可能引起組織團隊和機構以及協調社會運作的原則發生變化。
如下圖所示,科研合作中成員多樣性與科研影響力之間呈正相關。該圖下方每個圓點表示一個作者,每一個將圓點框起來的多邊形意味著作者們在同一個科研機構工作。從圖中可以清楚地看到,成為被引用數前10%的論文的相對概率取決於作者成員所屬的科研機構數量。誤差條顯示了95%的置信區間。無論作者數量的多少(2到6之間),如果所有的作者來自不同的科研機構,該論文引用率靠前的概率越大。
2.Zipfs定律,無限複雜性以及開放式演化
原文標題: Zipf』s law, unbounded complexity and open-ended evolution
原文鏈接: http://arxiv.org/abs/1612.01605論文作者:Bernat Corominas-Murtra, Luís Seoane, Ricard Solé
進化論的一個主要問題是理解演變所謂的「開放式」性質,包括開放式性質的定義和源起。開放式演化(open-ended evolution, OEE)是指複雜性的無限增加,這似乎在多重尺度上刻畫了演化過程。這種性質似乎是生物和技術演化的一個標誌性特徵,並且與組合數學相關的生成潛力緊密相關,這使得系統能夠增長並且擴展其可用的狀態空間。
目前已經提出了幾種理論和計算方法來描繪開放式演化。有趣的是,許多呈現開放式演化特徵的複雜系統,從語言到蛋白質,都具有共同的統計特性:Zipf定律的存在。也就是說,在複雜結構(比如句子和蛋白質)的基本組成要素中(比如字或者蛋白質結構域),大多數元素是罕見的,而其中一些元素是非常常見的。本文使用演算法信息理論,提供了開放性的基本定義,可以理解為開放性的「假設」(postulates)。
基於標準香農信息理論,開放性所對應的統計量具有變化的結構,導致Zipf定律成為開放性演化過程的預期結果。我們通過開放性演化過程進一步探討信息存留問題,並且得出結論:在較長的演化周期之後,系統前期的統計信息量(標準香農信息)不被保留,導致信息內容的增加具有自我清除效應的矛盾情況。我們證明,如果我們考慮信息的非統計形式,這個悖論就解決了。這最後一個結論也意味著標準信息理論可能不是一個合適的理論框架來探索開放性演化系統中信息內容的持續性和增長。
下圖顯示了信息缺失的悖論:a) 對於開放式演化系統的統計描述。從圖中可以看出,隨著時間的推移,系統的信息熵無限地增長,其後果就是關於過去的歷史信息也隨之不斷被抹去。只有一部分靠近當下狀態的歷史信息留存下來。因此,在標準信息理論框架下,信息不可能被保存下來。(b) 如果我們的信息是以非統計方式編碼的,比如位串,那麼它可以被保留下來。即使系統呈現開放式演化狀態,歷史信息也可以在後續演化階段繼續存在。
3.自組織臨界動力學形成分形網路的簡單模型
原文標題: Simple model of fractal networks formed by self-organized critical dynamics
原文鏈接:https://arxiv.org/abs/1806.05397
論文作者:Shogo Mizutaka
元素及其相互作用構成的複雜網路廣泛出現於從自然界到社會的各個領域。真實世界的網路往往分成兩種類型:小世界網路與分形網路。網路分形特性的起源尚為未知,然而歐氏空間大多數分形物體的形成,例如海岸線、樹枝的分叉,都是因為動力系統自發地向臨界點演化,並且在臨界點附近漲落,也就是所謂的自組織臨界性。
那麼,網路的分形特性是否也是源於自組織臨界性呢?近期的研究肯定了這一假定:網路中生長和坍縮兩種滲流過程使得網路朝臨界態演化,最終,網路結構的定態表現出分形特性。
為了更為清楚地理解複雜網路的分形特性,本文提出了一個簡單的動力學模型,包含生長和坍縮兩種過程,在坍縮過程應用閾值模型的基礎上,在生長過程,引入Erdos-Renyi模型與級聯失效過程。文章指出,正是生長和坍縮兩種過程的結合導致了自組織臨界動力學。
因此,團簇尺寸與坍縮尺寸分布的定態遵循冪律函數。另外,通過自組織臨界動力學的方式,網路具有了分形特性。自組織臨界動力學的臨界態與平均場理論的普世類相同。這個模型解釋了,複雜網路的分形特性因自組織臨界動力學而出現,可能類似於嵌入歐式空間分形物體的情形。
4.發現微信中城市文化交互的隱藏模式用於現代城市規劃
原文標題: Discovering Latent Patterns of Urban Cultural Interactions in WeChat for Modern City Planning
原文鏈接:https://arxiv.org/abs/1806.05694論文作者:Xiao Zhou, Anastasios Noulas, Cecilia Mascoloo, Zhongxiang Zhao
文化活動是城市生活的一個固有方面,現代城市的成功在很大程度上取決於其為公民提供豐富文化娛樂的能力。為此,城市地區文化設施和相關資源的優化配置變得至關重要,因為它可以降低城市規劃的財務成本,提高城市的生活質量。
在本論文中,我們利用一個大型經緯數據集,其中包括了微信這個社交網路上用戶簽到的地點信息。我們利用豐富的時空模型表示文化場所的用戶活動,並使用傳統的隱式狄利克雷模型的新型擴展版本(TLDA),該模型結合時間信息以識別城市文化交互的潛在模式。利用該模型顯示的移動用戶文化活動的特徵類型,我們確定了各城市地區不同類型文化資源的需求水平。
5.基於有限Barabasi-Albert網路的Bass擴散模型
原文標題: The Bass diffusion model on finite Barabasi-Albert networks
原文鏈接: http://arxiv.org/abs/1806.05959論文作者:M.L. Bertotti, G. Modanese
利用創新的Bass擴散模型的平均場網路公式,和Fotouhi與RabBAT對Barabasi-Albert網路度相關性的精確結果,我們計算了擴散峰的時間,並將它們與那些具有相同無標度指數、不同分類性質的無標度網路進行了比較。我們將我們的結果與Caldarelli等人針對SIS傳染病模型所得到的結果進行比較,他們將光譜方法應用於鄰接矩陣。
結果表明,有限Barabasi-Albert網路上的擴散時間最小。這可能是由於這些網路一個鮮為人知的特性:雖然其度相關係數的值接近於零,但如果只考慮有界度範圍,包括最小的(範圍),並且在更高層次的度範圍內再做細微的分類,則它們看起來不協調。
我們還發現,通過加大對中心的初始刺激(通過低音模型中的非均勻線性項) ,擴散過程的涓滴特性得到加強,BA 網路和不相關網路的擴散時間之間的相對差異更大,在某些情況下達到了34%。
6.愛情能力受限情形下,食餌- 捕食者模型的動態相點陣圖
原文標題: Dynamical phase diagrams of a love capacity constrained prey-predator model
原文鏈接:https://arxiv.org/abs/1806.05981論文作者:P. Toranj Simin, G. R. Jafari, M. Ausloos, C. F. Caiafa, F. Caram, A. Sonubi, A. Arcagni, S. Stefani
愛情中有一個饒有趣味的問題:這種戀愛關係最後將在何時以何種方式結束? 使用食餌-捕食者系統中的Verhulst-Lotka-Volterra(VLV)模型,我們利用人們之間的合作和競爭傾向,來描述「愛情困境遊戲」。
我們選擇最簡單但最也難解決的一種情況來研究一組非線性微分方程,即假定三個人同時既是獵物又是捕食者。 我們在包含單一的愛戀關係或三角戀情的愛情遊戲中描述了四種不同的情景。
結果表明,人們大多數時候只會愛上一個人,但如果一個人同時愛上了多個人,那麼他的戀愛關係是不穩定的。 我們發現,在某些條件下,儘管兩個人之間存在衝突,但還是會和對方有友好的關係並且愛上ta。
譯者:try、hong、Narcissus、 Phoenix、皮囊、Freya
校對:Philip、hong、KK文獻來源:comdig.unam.mx、http://arxiv.org
推薦閱讀
上海城市網格數據揭示經濟社會變遷 | 複雜性文摘5篇
如何預測Twitter用戶的地理位置| 複雜性文摘10篇
協調動力學:樂隊如何奏出和諧音樂?| 複雜性文摘6篇
群體動力學與團隊的成功
發動特朗普的列車:理解政治操控社區中的集體行動 | 複雜性文摘7篇
加入集智,一起複雜!集智俱樂部團隊招新啦!
推薦課程
http://campus.swarma.org/gpac=135 (二維碼自動識別)
集智QQ群|292641157
商務合作及投稿轉載|swarma@swarma.org
◆ ◆ ◆搜索公眾號:集智俱樂部
加入「沒有圍牆的研究所」
http://weixin.qq.com/r/NDsxKXDEti3JrTRK924m (二維碼自動識別)
推薦閱讀: