网络视角理解戴口罩与流行病的共演化

　　戴口罩等非药物干预措施（NPI）可有效缓解传染病的传播。因此，了解 NPI 的行为动力学对于描述疾病传播的动力学至关重要。然而，标准感染模型往往只关注疾病本身的状态，而忽略 有益传染 的动力学因素，例如遵守非药物干预措施。在这项工作中，本文作者调查了疾病和戴口罩行为在多重网络上的同时传播。该文提出的框架刻画了这些不同传染过程之间的竞争和互补关系。此外，该模型解释了影响口罩佩戴的各种行为机制，例如同伴压力和对感染的恐惧。该文的研究结果表明，在耦合疾病 - 行为动力学下，疾病的发病率（作为转换概率的函数）表现出临界相变。具体来说，当传播概率超过临界阈值时，由于持续的戴口罩响应，病毒攻击率会突然降低。该文作者经验性地探索了临界相变的原因，并证明观察到的现象的稳健性。该文的研究结果强调，如果不适当执行非药物干预措施，通过其他干预措施降低疾病传播概率可能不足以减少最终的流行病规模。

　　src=图：本文所提出的竞争传染框架的图示示例，其中社会传染——戴口罩——在顶层传播，而疾病在底层传播。两层共享相同的人口。

　　文章基于德国 401 个地区的新冠病毒确诊感染人数，估计了 2021 年暑假开学对于 SARS-CoV-2 病毒传播的影响，并得到结论认为，校园强制检测政策有助于发现无症状感染病例来抑制疾病传播。由于德国各州开学时间不一致，这一结论得到了不同地域数据的支撑。研究者发现学龄儿童的感染病例数在开学后第一周激增，随后衰减至与 0 无显著差异；壮年人口的感染病例数在开学后逐渐减少，可能是由于学校检测中已发现了聚集性病例；60 岁以上人群的感染情况则不受开学的影响。研究者认为在义务教育学校实施强制核酸检测可以近乎完整地监督疾病的流行情况，因此一定条件下开学可以对抑制疾病传播起积极作用。该研究结果表明，关闭学校作为减少感染的一种手段，可能会因为放弃监测而产生意想不到的后果，应该被认为是最后的手段。

　　src=图：开学对不同年龄组病例数影响的 95% 置信区间。回归包括对县 / 日水平的固定影响，以及人员流动、累计病例数和当地疫苗接种率的时变因素。标准差集中在联邦州一级。

　　在科学领域，女性和男性的科学作品数量存在明显的差距，这明显影响了女性在科学领域的留任和晋升。这种差距可能是生产力差异的结果，也可能是由于女性的贡献没有得到承认。这项研究表明，这种差距至少有一部分是由于后者：研究团队中，女性被认为是作者的可能性明显低于男性。

　　这些发现在三种不同的数据来源中表现一致。第一个来源是关于研究团队、团队科学产出和功劳归属的大规模行政数据，分析表明，与同行相比，女性在团队生产的任何给定文章或专利上被署名的可能性要小得多——几乎所有的科学领域和职业阶段都存在这种署名认可的性别差异。第二个来源是对作者的广泛调查，同样表明女性的科学贡献不太可能得到系统的承认。第三个来源是定性回应，表明原因是女性的工作经常不为人知、不被赏识，或被忽视。

　　这些发现表明，一些观察到的科学产出的性别差距可能不是由于科学贡献的差异，而是功劳归属的差异，并不是由于女性的贡献更小，而是对女性贡献的认可更低。目前署名标准并不清晰，这会导致女性处于劣势。性别差异可能会阻止女性进入科学研究，并且对女性贡献的低估可能导致女性获得职业提升的可能性更小。

　　组织、活动家和学者都希望党外人士（对立政党的支持者）之间的对话能够减少情感极化（对党外人士的厌恶），并加强问责制（如对规范的支持）。我们认为，这种对话可以减少情感上的两极分化，但这些影响可能是有条件的，特别是如果对话的主题避免讨论分歧的领域；通常不会长期存在；并且是有限制的，不会影响对问责制的态度。我们通过两个独特的实验来支持这一论点，在这两个实验中，我们将不同党派的陌生人配对，通过视频电话讨论随机分配的线 中，我们发现，党外人士之间关于他们的完美一天的对话大大减少了情感的两极化，尽管这些影响长期衰减。实验 2 还包括侧重于分歧的对话（例如，为什么每个人都支持自己的政党），这没有影响。两项研究都发现与问责制有关的态度变化不大。

　　src=图：研究 1 结果。点表示研究 1 中 完美一天 条件（相对于安慰剂条件）的估计效果。（A）操纵检查。（B）群体间的态度。（C）与问责制有关的结果。

　　网上的错误信息构成了一系列的威胁，从颠覆进程到破坏公共卫生措施。建议的解决方案包括鼓励个人更有选择性的分享，以及删除创建虚假内容或推广虚假内容的账户。在这里， 我们提供了一个框架来评估干预措施，以减少网上病毒性错误信息的传播，措施包括单独使用和组合使用两种场景。我们首先推导出一个病毒性错误信息传播的生成模型，其灵感来源于对传染病的研究。通过将这一模型应用于 2020 年美国大选期间发生的错误信息事件的大型语料库（1050 万条推文）， 我们揭示了通常提出的干预措施在孤立的情况下不太可能有效。然而，我们的框架表明，一个综合的方法可以实现错误信息流行率的大幅下降。由于网上的错误信息继续威胁着全球的疫苗接种工作、公平和进程， 我们的研究结果强调了一条切实可行的前进道路。

　　src=图：病毒性错误信息传播生成模型框架。（a）从一个更大的事件中分割出来的事件实例（虚线）。（b）我们对单个事件的时间序列的模型拟合。虚线表示预测值；阴影区域表示 89% 的 CI 值。（c）累计参与度作为衡量错误信息总量的标准。（d）模型模拟的单一事件的平台干预。灰色线% 的 鼓励 ，橙色表示禁止，表示病毒性阻断器，棕色表示直接删除内容。

　　理论物理学预测，生物系统在其集体动力学的转变（或伪临界点）附近有最的信息处理。然而，关注接近临界点的潜在好处，如对扰动的最大敏感性和信息的快速传播，通常忽略了在生物系统的嘈杂、动态环境背景下临界性可能带来的代价。在这里，我们发现鱼群中的惊吓级联是亚临界的（对环境线索的反应不是最大的）， 考虑到与真实预警和错误预警相关的两种检测类型相关的个体成本，我们认为， 处于亚临界状态并调整临界距离可以被理解为根据环境的风险和噪声在敏感性和鲁棒性之间进行权衡 。我们的工作强调了对临界性和集体信息处理的基于个体和依赖于情境的观点的必要性，并激发了关于带来特定权衡进化力量的有待未来回答的问题。

　　src=图：假设的捕食者检测模型揭示了临界距离可以管理两种错误之间的权衡。（A）对捕食者和噪声提示的初始反应是鱼群最近邻距离（NND）中位数的函数。捕食者初始反应是由能看到捕食者的平均个体数量的固定分数给出的。 ( B）调整为具有不同鱼群最近邻距离中位数的鱼群的视觉捕食者检测。有色的个体能够看到捕食者（白圈）。（C）不同环境下鱼群中个体的相对回报（以相对噪声成本为特征）是鱼群最近邻距离中值的函数。根据环境的不同，不同的鱼群最近邻距离值（即离临界点的不同距离）会使回报最大化。

　　为分子识别存储记忆是对外部刺激做出反应的有效策略，不同的生物学过程使用不同的策略来存储记忆。嗅觉系统在受到气味刺激时会形成突触，并建立一个分布式的联想记忆，重新接触相同的气味时可以检索到该分子。相比之下，免疫系统通过不同的受体来编码专门的记忆，这些受体可以识别众多不断演变的病原体。尽管嗅觉系统和免疫系统的记忆存储在机制上存在差异，但这些过程仍可被视为不同的信息编码策略。

　　在这里，我们为一个广义的 Hopfield 网络开发了分析和数值技术，以探测不同的记忆策略对静态和动态（进化）模式的效用。我们发现，虽然具有分布式记忆的经典 Hopfield 网络可以有效地编码静态模式的记忆，但它们对不断演变的模式是不够的。我们表明 Hopfield 网络应该使用更高的学习率，这反过来又会改变与存储记忆吸引子相关的能谱。具体来说，我们观察到记忆吸引子之间出现了狭窄的连接路径，导致了对动态模式的错误分类。我们证明，具有专门子网络的分区网络是动态模式记忆存储的最佳解决方案。我们推测，病原体的进化可能是免疫系统采用集中记忆编码的原因，这与嗅觉皮层中使用的分布式记忆相反，后者与静态气味的混合物相互作用。我们的方法提供了一个原则性的框架来研究非平衡动态系统中的学习和记忆检索。

　　机器人和自主系统正在从各个方面重塑世界，比如医疗保健、食品生产和生物多样性管理。虽然它们将在实现联合国可持续发展目标中发挥重要作用，但相关的机会和威胁还没有得到系统的考虑。我们报告了一项机器人和自主系统对所有可持续发展目标影响的全面评估，来自世界各地的 102 位专家参与了这项工作。机器人和自主系统有可能通过取代和支持人类活动、促进创新、加强远程访问和改善监测，改变可持续发展目标的实现方式。新出现的威胁涉及到不平等、环境变化、资源转移以及自由和隐私问题。虽然预测机器人技术和自主系统对可持续发展目标的未来影响是困难的，但尽早彻底审查技术发展对防止有害后果至关重要。此外，在制定未来的可持续发展目标迭代时，应明确考虑机器人技术和自主系统，以避免或加剧不平等现象。

　　src=图：用于确定机器人和自主系统（RAS）部署给可持续发展目标（SDG）带来的机会和威胁的分析过程。

　　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，汇总复杂系统相关的最新顶刊论文。

　　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。

　　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，可以从复杂科学和跨学科研究中获得灵感启发。

　　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。

　　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：

　　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 ~

　　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。

　　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 ）。

　　如果你对复杂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 ）。

　　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。