集智俱乐部 2025-02-24 21:53 北京
2月27日（周四）晚20:00-22:00直播，欢迎参与！
导语
从神经网络、生态群落到各种生化结构，许多复杂系统存在一个基本特征：多个时间尺度上相互关联的随机过程同时演化。复杂多尺度系统如何处理来自嘈杂环境的信息？每个过程相关的不同时间尺度如何影响其有效耦合？本周四的「非平衡统计物理」读书会邀请到意大利帕多瓦大学 STARS 项目的团队负责人 Daniel M. Busiello，从信息论视角出发，介绍不同时间尺度上信息传播的基本原理，希望为复杂多尺度系统的信息处理能力提供新见解。
为了探讨统计物理学的前沿进展，集智俱乐部联合西湖大学理学院及交叉科学中心讲席教授汤雷翰、纽约州立大学石溪分校化学和物理学系教授汪劲、德累斯顿系统生物学中心博士后研究员梁师翎、香港浸会大学物理系助理教授唐乾元，以及多位国内外知名学者共同发起「非平衡统计物理」读书会。读书会从12月12日开始，计划每周四晚20:00-22:00进行，持续时间预计12～15周。欢迎感兴趣的朋友一起讨论交流！
内容简介
神经网络、生态群落、各种生化结构及许多其他复杂系统存在一个基本特征，即多个时间尺度上相互关联的随机过程同时演化。这些过程不仅可以直接相互作用，还可以间接相互作用，而跨时间尺度的相互作用通常表现出复杂的内部特性。这种复杂性使得理解这些系统如何处理信息成为一项艰巨的挑战。
在本次报告中，我将采用信息论方法，阐明与每个过程相关的不同时间尺度如何影响它们的有效耦合。首先，我将介绍不同时间尺度上信息传播的基本原理，阐明互信息与因果关系之间的相互作用。接着，我将展示如何利用这种涌现的信息结构来研究生化信号网络的最小模型，从而深入理解其基本组成部分之间的关系。最后，我将应用这一框架来研究生物系统如何在有限的能量预算下，从隐藏自由度中有效地传导信息。将这些概念应用于红细胞的例子揭示了机械条件与信息传导效率之间的联系。本次报告中提出的观点为复杂多尺度系统的信息处理能力提供了新见解。
Title：Information propagation in multiscale systems, from biochemical signaling to transduction
Abstract：The presence of interconnected stochastic processes evolving on multiple timescales is a fundamental characteristic of neural networks, ecological communities, various biochemical architectures, and many other complex systems. A key feature is that such processes can interact both directly and indirectly, with interactions across timescales often exhibiting intricate internal properties. This complexity makes understanding how these systems process information a formidable challenge.
In this talk, I will employ an information-theoretic approach to elucidate how the distinct timescales associated with each process influence their effective couplings. First, I will uncover the underlying principles that govern information propagation across different timescales, clarifying the interplay between mutual information and causality. I will then demonstrate how this emerging information structure can be harnessed to study minimal models of biochemical signaling networks, providing insights into the relationships between their fundamental components. Additionally, I will apply this framework to investigate how biological systems efficiently transduce information from hidden degrees of freedom using a limited energy budget. An application of these concepts to red blood cells reveals a connection between mechanical conditions and trasduction efficiency. The ideas presented in this talk provide novel insights into the processing capabilities of complex multiscale systems.
内容大纲
生物多尺度系统的信息处理：为什么以及如何？
跨尺度信息传播与功能耦合
环境 vs 内部相互作用
化学信号网络
从隐变量中进行信息传导
理解生物信息处理的开放挑战
Information processing in biological multiscale systems: why and how
Information propagation across timescales and functional couplings
Environmental versus internal interactions
Chemical signaling networks, harvesting information via habituation
Information transduction from hidden variables
Open challenges to understand biological information processing
主讲人
Daniel M. Busiello 目前是意大利帕多瓦大学 STARS 项目的团队负责人。在意大利萨莱诺大学完成本科学习，比萨大学完成硕士学习，帕多瓦大学获得博士学位，博士论文是关于非平衡系统熵产生。之后在瑞士洛桑联邦理工学院（EPFL）统计生物物理实验室做博士后研究，导师是 Paolo De Los Rios 教授，研究生化系统中的非平衡输运和热力学界限。之后担任马克斯·普朗克复杂系统物理研究所 PKS 研究员。主要研究兴趣是多尺度生化系统和非生物系统如何处理、存储和使用来自其嘈杂环境的信息。研究方向是非平衡热力学、随机过程和信息论。
个人主页：https://www.dmbusiello.com/
主持人
梁师翎，德累斯顿系统生物学中心（CSBD） ELBE 博士后研究员。2024年博士毕业于瑞士洛桑联邦理工学院（EPFL）。主要研究兴趣是统计物理基础，小系统随机热力学，以及非平衡热力学在生命等复杂现象中的应用。
个人主页：https://shilingliang.com/
参与方式
直播信息
时间：2025年2月27日（周四）晚20:00-22:00
报名参与读书会：
斑图链接：https://pattern.swarma.org/study_group_issue/851
扫码参与「非平衡统计物理」读书会，加入群聊，获取系列读书会回看权限，加入统计物理社区，与社区的一线科研工作者沟通交流，共同推动这一前沿领域的发展。
报名成为主讲人
读书会成员均可以在读书会期间申请成为主讲人。主讲人作为读书会成员，均遵循内容共创共享机制，可以获得报名费退款，并共享本读书会产生的所有内容资源。详情请见：从热力学、生命到人工智能的统计物理之路：非平衡统计物理读书会启动！
参考文献
[1] G. Nicoletti and D. M. Busiello, Tuning transduction from hidden observables to optimize information harvesting. Physical review letters, 133(15), 158401 (2024). https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.133.158401
[2] G. Nicoletti and D. M. Busiello, Information propagation in multilayer systems with higher-order interactions across timescales, Phys. Rev. X 14, 021007 (2024). https://journals.aps.org/prx/abstract/10.1103/PhysRevX.14.021007
[3] G. Nicoletti and D. M. Busiello, Mutual information disentangles interactions from changing environments, Phys. Rev. Lett. 127, 228301 (2021). https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.127.228301
解读文章：《PRL：互信息帮助分离环境噪声与系统内部相互作用》
[4] W. Bialek and S. Setayeshgar, Physical limits to biochemical signaling, Proc. Natl. Acad. Sci. U.S.A. 102, 10040
(2005). https://www.pnas.org/doi/10.1073/pnas.0504321102
[5] G. Tkačik and W. Bialek, Information processing in living systems, Annu. Rev. Condens. Matter Phys. 7, 89 (2016).
相关工作报道：
非平衡统计物理读书会启动！
2024年诺贝尔物理学奖授予人工神经网络，这是一场统计物理引发的机器学习革命。统计物理学不仅能解释热学现象，还能帮助我们理解从微观粒子到宏观宇宙的各个层级如何联系起来，复杂现象如何涌现。它通过研究大量粒子的集体行为，成功地将微观世界的随机性与宏观世界的确定性联系起来，为我们理解自然界提供了强大的工具，也为机器学习和人工智能领域的发展提供了重要推动力。
为了深入探索统计物理前沿进展，集智俱乐部联合西湖大学理学院及交叉科学中心讲席教授汤雷翰、纽约州立大学石溪分校化学和物理学系教授汪劲、德累斯顿系统生物学中心博士后研究员梁师翎、香港浸会大学物理系助理教授唐乾元，以及多位国内外知名学者共同发起「非平衡统计物理」读书会。读书会旨在探讨统计物理学的最新理论突破，统计物理在复杂系统和生命科学中的应用，以及与机器学习等前沿领域的交叉研究。读书会从12月12日开始，每周四晚20:00-22:00进行，持续时间预计12周。我们诚挚邀请各位朋友参与讨论交流，一起探索爱因斯坦眼中的普适理论！
详情请见：从热力学、生命到人工智能的统计物理之路：非平衡统计物理读书会启动！
生命复杂性读书会：
生命复杂系统的构成原理
在生物学中心法则的起点，基因作为生命复杂系统的遗传信息载体，在生命周期内稳定存在；而位于中心法则末端的蛋白质，其组织构成和时空变化的复杂性呈指数式增长。随着分子生物学数十年来的突飞猛进，尤其是生命组学（基因组学、转录组学、蛋白质组学和代谢组学等的集合）等领域的日新月异，当代生命科学临近爆发的边缘。如此海量的数据如何帮助我们揭示宇宙中最复杂的物质系统——“人体”的构成原理和设计原理？阐释人类发育、衰老和重大疾病的发生机制？
集智俱乐部联合西湖大学理学院及交叉科学中心讲席教授汤雷翰，国家蛋白质科学中心（北京）副研究员常乘、李杨，香港浸会大学助理教授唐乾元，北京大学前沿交叉学科研究院研究员林一瀚，中国科学院分子细胞科学卓越创新中心博士后唐诗婕，共同发起「生命复杂性：生命复杂系统的构成原理」读书会，从微观细胞尺度、介观组织器官尺度到宏观人体尺度，梳理生命科学领域中的重要问题及重要数据，由生物学家提问，希望促进统计物理、机器学习方法研究者和生命科学研究者之间的深度交流，建立跨学科合作关系，激发新的研究思路和合作项目。读书会目前共进行10期，现在报名参与读书会可以加入读书会社群，观看视频回放，解锁完整读书会权限。
详情请见：
生命复杂性读书会：从微观到宏观，多尺度视角探索生命复杂系统的构成原理
点击“阅读原文”，报名读书会
