信仰陷阱：解决有害信念的惰性

　　以下是2022年7月18日-7月24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~

　　信念可以有很强的韧性，即在面对反证时不会轻易放弃。信念可以指导一致行为和判断的好处，但也可能对个人、自然和社会产生破坏性的后果。例如，病态的信念可以导致精神疾病，认为犀牛角是的信念可能会使一个物种灭绝，关于性别或种族的信念可能会助长歧视，而对阴谋论的信仰会破坏。在这里，我们提出了一个统一的框架，说明自我放大的反馈如何在从神经元网络到社会系统的层面上塑造信念的惯性。持续接触反面证据可以颠覆僵化的信念，但需要有组织的理性推翻，就像认知行为疗法治疗病态信念或受制度控制的歧视以减少种族偏见。非黑即白的思维是形成与精神障碍以及偏见和阴谋思维有关的弹性信念的主要风险因素。这种二分法思维是缺乏认知资源的特征，可能会因压力而加剧。这可能有助于解释为什么阴谋思维和精神障碍往往在危机期间达到高峰。一个推论是，解决诸如贫困、社会和缺乏教育等社会因素可能是防止僵化信念出现的最有效方式，从而防止从精神障碍到偏见、阴谋论和后等问题。

　　src=图：替代意识形态作为嵌入社会网络的连贯信念网络。每一个有色元素代表一个个体的信念，与同一个人内部的其他信念相连，形成一个连贯的网络，代表一种意识形态。人们被持有相似意识形态的社交网络所吸引，而这些网络中的传染性促使人们进一步趋同于相同的意识形态。

　　当我们回忆事情的时候，不仅回忆单个事件，还会回忆起事件之间的联系。然而，现有研究主要集中在探索人类如何从连续的输入中分割并记忆离散的事件，鲜有关注各个事件间的联系的结构对记忆的影响。在这里，我们对实验参与者进行脑部的功能性磁共振成像，参与者会在此期间观看并回忆一些列真实的视听故事。通过将故事转化为事件网络，我们证明，更核心的事件——那些与其他事件有更强语义或因果联系的事件——能被更好地记住。在编码过程中，核心事件会唤起与记忆形成相关的更大的海马事件边界反应。在回忆过程中，事件的高中心性与参与回忆的皮层更强的激活有关，并且个体之间的神经表征更相似。总之，这些结果表明，当人类对复杂的现实世界经历进行编码和检索时，记忆表征的可靠性和可及性取决于它们在事件网络中的位置。

　　src=图：（a）语义叙事网络构建流程图。为了创建语义叙事网络，每部电影被分割成事件，独立的注释者提供事件的文本描述。利用谷歌的通用句子编码器（USE） 将文本描述转化为语句嵌入向量。事件之间的语义相似度通过 USE 向量之间的余弦相似度表示。语义叙事网络则可以定义为以电影事件为节点，以事件之间的语义相似度为边缘权值的网络。（b）在功能磁共振成像实验中，四部示例电影构建的语义叙事网络。为了可视化目的，边缘权重阈值为余弦相似度 = 0.6。节点大小与非阈值网络计算的中心性成正比。边缘厚度与边缘权重成正比。（c）实验中，10 部示例电影的全部独立电影事件的语义中心性（归一化程度）。不同的颜色表示不同的电影。

　　对社会网络的深入了解可以用来创造一个人为的临界点，通过促进行为级联来改变人口行为。针对社会网络结构中有影响力的个人采取干预，可以提高健康干预措施在人群中的采用。这篇文章测试了两种不需要了解整个网络结构的算法的有效性，以改善社会网络的传染力。首先，研究绘制了印度孟买 50 座住宅楼中 2,491 名妇女的社会互动网络。作为社会单位的建筑物被随机分配到：（1）随机针对 20% 的女性，（2）针对这些随机选择的女性的朋友，（3）针对由随机选择的女性和朋友组成的一对人，（4）没有目标。目标算法、友谊提名和配对目标都加强了对缺铁性贫血有关的公共卫生干预措施的采用率。特别的，以成对的朋友为目标，这在现实环境中相对容易实施，通过社会影响和社会强化，促进了对新做法的采用。

　　src=图：在随机对照试验的三个治疗组中，对三个选定的小组采用跨社交网络的干预。（A）在随机针对的情况下，所有的种子都得到治疗。（B）在朋友定位的情况下，没有一个蓝色周边节点被涂成红色，因为干预只传递给随机种子的朋友。（C）在配对目标的情况下，蓝色周边的种子也被涂成红色并且有一个邻居被涂成红色，因为随机种子和他或她的朋友都接受了干预。

　　目前，还没有一个简单的、基于第一性原理的一般模型，来定量描述所观察到的全部生物温度反应。在此，我们根据 Eyring-Evans-Polanyi 的化学反应速率理论，推导出生物学中温度依赖的一般理论。仅仅假设分子的构象熵随温度变化，我们推导出酶反应速率的温度依赖性理论，该理论采取由幂律修正的指数函数形式，描述了特征性的不对称弯曲温度反应。基于一些额外的原则，我们的模型可以用来预测酶水平以上的温度反应，从而跨越了量子到经典的尺度。我们的理论为温度反应曲线的形状提供了一个分析性描述，并通过显示所有温度依赖性反应在适当的归一化下收敛于普遍关系——普遍的数据崩溃——以及通过确定一个普遍的最佳温度（大约25°C）来描述所有温度反应曲线的特征，来证明其普遍性。该模型对各种生物速率、时间和稳态数量的经验数据进行了很好的拟合，从分子到生态尺度，跨越多个分类群（从病毒到哺乳动物）。这个理论提供了一个简单的框架来理解和预测温度对生物量的影响，其基础是热力学的第一原理，连接了量子和经典尺度。

　　src=图：温度反应曲线与预测相比较，适用于多种生物实例。图中是 ln(Y) 与 1/T（单位为1/K，其中 K为开尔文）的关系，显示了（A-C）凸的模式和（D-F）凹的模式：（A）多细胞昆虫 Blatella germanica 的代谢率，（B）紫花苜蓿的最大相对发芽率（电导率为32. 1 dS/m），（C）酿酒酵母的生长率，（D）果蝇（Drosophila suzukii）的死亡率，（E）古细菌 Geogemma barossii 的生成时间，以及（F）啮齿动物 Spermophilus parryii 的代谢率（在稳定状态下）。这里的曲线对应的是对环境温度而不是体温的反应的新陈代谢率。

　　气候变化预测一致表明，气温升高和季节性积雪的减少将对生态系统功能和水资源供应产生连带影响。尽管有这样的共识，但人们对生态水文条件可变性的潜在变化知之甚少，而这也是适应和缓解气候变化战略所需要的。考虑生态水文可变性的潜在变化对于评估趋势的出现、评估洪水和干旱等极端事件的可能性以及确定何时可能达到从根本上改变生态水文功能的临界点至关重要。通过使用具有复杂的陆地生态系统代表性的单一模型大集合，我们描述了北半球历史上以雪为主的地区的生态水文过程的平均状态和可变性的预测变化。在高排放的情况下，预计本世纪将出现大范围的积雪减少、融雪时间提前、生长季节延长、土壤干燥和火灾风险增加。除了这些平均状态的变化外，冬季融雪量的可变性增加将加大生长季节的缺水并增加径流的随机性。因此，随着气候变暖，不断减少的积雪会失去其可靠的缓冲能力，从而使径流的数量和时间更密切地反映降水的偶发特征。这导致最大雪水当量的年径流的可预测性下降，这对生态系统压力和水资源管理有关键的影响。我们的结果表明，随着气候变化，生态水文功能很有可能发生普遍的改变。

　　src=图：冬季融雪量的增加和径流中心时间的提前也显示出可变性的增加。图显示了在雪水当量峰值之前发生的冬季融雪部分和径流中心时间日期的变化（分别为左栏和右栏），包括（ A 和 B ）集合平均状态的变化，（ C 和 D ）集合标准差的百分比变化（去除集合平后），以及（ E 和 F ）出现的时间与全球平均温度的相关变化。集合平均数和标准差的变化被计算为 21世 纪末（ 2070 年至 2099 年）所有集合成员与 20 世纪中期（ 1940 年至 1969 年）30 年基线期的差异。出现的时间被计算为10年运行平均值在 1940 年至 1969 年的集合平均值之外 ±2 标准差的年份。（C和D）中的色条范围是为了方便比较不同指标间的变化。在（ E 和 F ）中没有着色的网格单元在 2100 年之前不会出现。

　　蛋白质的结合和催化功能通常是由少量的功能残基介导的，这些残基被整个蛋白质结构所固定。在这里，我们描述了深度学习的方法，在不需要预先指定支架的折叠或二级结构的情况下，对这种功能位点进行支架化。第一种方法，constrained hallucination，优化序列，使其预测结构包含所需的功能位点。第二种方法，inpainting ，从功能位点开始，填充额外的序列和结构，通过专门训练的 RoseTTAFold 网络，在一次向前传递中创建一个可行的蛋白质支架。我们使用这两种方法来设计候选免疫原、受体陷阱（receptor traps）、金属蛋白、酶以及蛋白质结合蛋白（protein-binding proteins），并使用计算机和实验相结合的方法来验证这些设计。

　　src=图：蛋白质功能设计方法。（A）功能位点支架的应用。（B）Constrained hallucination，在每个迭代中，一个序列被传递给 trRosetta 或 RoseTTAFold 神经网络，该网络预测三维坐标和残基间的距离和方向。预测结果由一个损失函数评分，该函数奖励预测结构的确定性以及图案重现和其他特定任务的函数。（C）Inpainting，部分序列和/或结构信息被输入到一个改良的 RoseTTAFold 网络，然后输出完整的序列和结构。（D）蛋白质设计挑战被表述为缺失信息恢复问题。第1栏的问号表示缺失的序列信息；第2栏的灰色漫画表示缺失的结构信息。（E）RFjoint 可以同时恢复一个被掩盖的蛋白质区域的结构和序列。（F-G）动机支架基准数据，比较 RFjoint 与 Constrained hallucination。使用了一组自 RoseTTAFold 训练以来发表的 28 个新设计的蛋白质。

　　人类在通过信心判断（confidence judgments）来判断选择准确性的能力方面存在差异。流行的元认知的信号检测理论措施，如 M-比率（ M-ratio ），并没有考虑决策的动态性。如果反应的谨慎性被转移以改变速度和准确性之间的权衡，这可能是有问题的。这种转变可能会引起元认知评估中未被考虑的变化来源。相反，证据积累框架（evidence accumulation frameworks）认为决策制定，包括置信度的计算，是一个随时间展开的动态过程。通过模拟，我们显示了反应的谨慎性和 M-比率之间的关系。然后，我们在被明确指示关注速度或准确性的人类参与者中显示了同样的模式。最后，在没有提到速度的情况下，M-比率和反应谨慎之间的这种联系也存在于四个数据集中。相反，当用元认知的动态测量方法（ v-ratio ）来分析数据时，速度-准确性的权衡没有影响。

　　src=图：速度—准确性指令对元认知准确性的影响。（A）实验任务中的事件顺序。参与者（N = 32）通过用双手的拇指按 C 或 N 来决定大多数的点是向左还是向右移动。在他们的选择之后，他们立即用六点量表表示他们的信心水平。根据不同的区块，在 ITI 期间的指示是关注选择的准确性或关注速度。（B）漂移扩散模型的拟合参数与额外的决策后积累。拟合的决策边界在速度与准确性条件下较低，t(31) = 5.59，p0.001，而漂移率没有差异，p=0.478。重要的是，在速度与准确性条件下，M-比率较高，t(31) = 2.29，p = 0.029，而 v-ratio 在两种指令条件下没有差异，p=0.647。（C）经验数据（条形）和模型拟合（线或十字形）的反应时间和置信度分布，分别为正确（绿色）和错误（红色）。（D）参与者在被指示关注速度而不是准确性时，速度更快，t(31)=5.67，p0.001；准确性更低，t(31)=2.20，p=0.035；信心更低，t(31)=2.41，p=0.022。

　　受自然界群体中集体智慧的启发，微型机器人代理已被控制形工群体，用于靶向药物输送、增强成像和热疗。与这些已被充分研究的任务不同，这项工作旨在开发用于栓塞的微型机器人群，这是一种用于封锁血管以治疗肿瘤、瘘管和动静脉畸形的临床技术。为了解决目前栓塞技术选择性低，容易引起中风和失明等并发症的问题，形成了磁粒子群进行选择性栓塞。我们建立了一个分析模型，描述了流体粘度、流速、分支角度、磁场强度和群体完整性之间的关系，在此基础上开发了一种驱动策略，以在流体流动条件下保持目标区域内的群体完整性。在微流控通道、体外组织和体内猪肾中的实验验证了所提出的选择性栓塞策略的有效性。

　　src=图：在目标结点上保持群体的完整性。（A）示意图说明了使用磁粉群来阻止目标区域内的结点。（B）对尖端粒子施加的力的示意图分析。棕色的圆圈表示磁性粒子。黑色虚线圆圈表示尖端粒子。蓝色细箭头和蓝色粗箭头分别表示磁相互作用力和其结果相互作用力。流体拖曳力和反作用力用粗的红色箭头表示。γ 是结点的分支角。θ 是磁相互作用力与 X 轴的角度。绿框中显示了不同分支角的结点上的粒子的配置。紫色区域代表结点的壁。

　　正如新冠疫情期间那样，系统发育学和系统动力学方法是研究病原体传播和进化的必要工具。这些方法的核心假设之一就是，从不同宿主身上分离的病原体的共享历史实际上可以通过一个分支系统发育树来描述。重组打破了这些假设，这使得利用系统发育学方法研究病原体（例如冠状病毒等）重组，会在假设上存在问题。在这里，作者介绍了一种基于马尔可夫链蒙特卡罗的方法，该方法允许我们在病原体重组切换模型下利用基因序列数据来推断病原体的重组网络。利用这种方法，作者首先证明了重组在 SARS-样冠状病毒的进化史中极为常见。然后，作者展示了人类季节性冠状病毒 229E、OC43和 NL63 基因组的重组率随着适应率的变化而变化。这表明，重组可能有利于人类季节性冠状病毒的适应性。此外，这项工作为未来利用贝叶斯系统发育跟踪法来研究 SARS-CoV-2 的传播和进化奠定了基础，即使那时候重组病毒变得流行。

　　src=图：SARS样病毒的进化史。（A）SARS 样病毒的最大进化支置信度网络。蓝点表示样本，绿点表示重组事件。（B） SARS-CoV-2 与不同 SARS 样病毒在基因组不同位置的共同祖先时间。y 轴表示对数尺度上的共同祖先时间。彩线表示中位共同祖先时间，而彩色区域表示 95% 最高后验密度区间。（C）SARS-CoV-2 与不同 SARS 样病毒在基因组不同位置的最近的共同祖先时间。误差条表示 95% 最高后验密度区间的上下限。MCC 网络和共同祖先时间作为源数据。

　　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。