智源社区 06月07日 10:32
复杂网络动力学中的统计力学丨6月6日(周五)直播 · 第12期复杂网络动力学读书会
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html

 

本文探讨了复杂网络中的两类关键动力学过程:共演化动力学和非平衡态动力学。研究发现,在节点行为与网络结构共同演化的框架下,网络会出现节点属性与结构的协同极化、信息同质化等现象。此外,远离平衡态的复杂网络表现出非平衡态临界行为,与传统理论存在显著差异,例如动力学相变与关联性生长。研究强调了非线性机制在推动复杂网络结构演化及临界现象中的关键作用,并提供了相关理论模型和实证数据。

💡共演化动力学框架:该框架结合了节点行为与网络结构的共同演化,揭示了网络中节点属性与结构的协同极化、信息同质化等现象。

🔄非平衡态临界行为:远离平衡态的复杂网络表现出非平衡态临界行为,与传统平衡态理论及量子非平衡态预期有显著差异。

🔍动力学相变与关联性生长:研究展示了网络中的动力学相变与关联性生长两类典型现象,揭示了非平衡态动力学如何推动复杂网络结构的演化及临界现象的涌现。

⚙️非线性机制的关键作用:文章强调了非线性机制在推动复杂网络结构演化及临界现象中的关键作用,为理解复杂网络的动态行为提供了新的视角。

📚研究成果与应用:研究成果发表于Physical Review Letters、Nature Machine Intelligence等期刊,并被广泛报道,为复杂系统和复杂网络研究提供了理论基础和实践指导。

集智俱乐部 2025年06月04日 21:02 上海

复杂网络中的动力学过程已成为多个学科的研究热点,实证研究表明,这些过程是许多重要现象的根源。本报告将探讨两类特殊的动力学过程:共演化动力学和远离平衡态的动力学过程。首先,我们提出了一个结合节点行为与网络结构共同演化的框架,揭示了共演化动力学下,网络会涌现节点属性与结构的协同极化、信息同质化等非平凡现象,并通过大规模实证数据验证了这一理论。其次,远离平衡态的复杂网络表现出非平衡态临界行为,这些行为与传统平衡态理论及量子非平衡态预期有显著差异。本报告将展示网络中的动力学相变与关联性生长两类典型现象,揭示非平衡态动力学如何推动复杂网络结构的演化及临界现象的涌现,强调非线性机制在其中的关键作用。

共演化网络动力学,coevolving network dynamics

随机热力学,stochastic thermodynamics

福克普朗克方程,Fokker-Planck equations

动态相变,dynamical phase transition

非平衡复杂网络,non-equilibrium networks

清华大学水木博士后、清华大学电子工程系张克潜冠名博士后。入选国家级博士后人才计划。本科毕业于山东大学空间科学与物理专业。博士毕业于美国迈阿密大学(University of Miami)物理专业,导师为Chaoming Song教授。研究方向为复杂系统和统计物理,侧重于发展可解析理论模型并应用于复杂系统和复杂网络以及相关交叉学科研究。以(共同)第一作者在Physical Review Letters、Nature Machine Intelligence等期刊上发表科研成果。其研究成果被Nature Machine Intelligence、Physics World公开报道。

    BAKSHY, Eytan; MESSING, Solomon; ADAMIC, Lada A. Exposure to ideologically diverse news and opinion on Facebook. Science, 2015, 348.6239: 1130-1132.

    PIAO, Jinghua, et al. Human–AI adaptive dynamics drives the emergence of information cocoons. Nature Machine Intelligence, 2023, 5.11: 1214-1224.

    LIU, Jiazhen, et al. Emergence of polarization in coevolving networks. Physical Review Letters, 2023, 130.3: 037401.

    TANG, Ying, et al. Learning nonequilibrium statistical mechanics and dynamical phase transitions. Nature Communications, 2024, 15.1: 1117.

    JOHNSON, Neil F., et al. New online ecology of adversarial aggregates: ISIS and beyond. Science, 2016, 352.6292: 1459-1463.

    Manrique, P. D., Zheng, M., Cao, Z., Restrepo, E. M., & Johnson, N. F. (2018). Generalized gelation theory describes onset of online extremist support. Physical review letters, 121(4), 048301.

    LIU, Jiazhen, et al. Dynamical Phase Transitions in Non-equilibrium Networks. arXiv preprint arXiv:2412.06704, 2024.

    ALBERT, Réka; BARABÁSI, Albert-László. Statistical mechanics of complex networks. Reviews of modern physics, 2002, 74.1: 47.

    BARABÁSI, Albert-László; ALBERT, Réka. Emergence of scaling in random networks. science, 1999, 286.5439: 509-512.

    Bianconi, G., & Barabási, A. L. (2001). Bose-Einstein condensation in complex networks. Physical review letters, 86(24), 5632.

    PAPADOPOULOS, Fragkiskos, et al. Popularity versus similarity in growing networks. Nature, 2012, 489.7417: 537-540.

    CALDARELLI, Guido, et al. Scale-free networks from varying vertex intrinsic fitness. Physical review letters, 2002, 89.25: 258702.

    Ching Jin, Chaoming Song, Johannes Bjelland, Geoffrey Canright, and Dashun Wang. Emergence of scaling in complex substitutive systems. Nature human behaviour, 3(8):837–846, 2019.

    KHAREL, Shubha R., et al. Degree-preserving network growth. Nature Physics, 2022, 18.1: 100-106.

    LIU, Jiazhen, et al. Correlated Growth of Causal Networks. arXiv preprint arXiv:2412.16647, 2024.

Fish AI Reader

Fish AI Reader

AI辅助创作,多种专业模板,深度分析,高质量内容生成。从观点提取到深度思考,FishAI为您提供全方位的创作支持。新版本引入自定义参数,让您的创作更加个性化和精准。

FishAI

FishAI

鱼阅,AI 时代的下一个智能信息助手,助你摆脱信息焦虑

联系邮箱 441953276@qq.com

相关标签

复杂网络 动力学 共演化 非平衡态 相变
相关文章