網路科學是研究現實中的複雜網路的學術研究領域,比如通信網、計算機網路、生物網路、認知和語義網路等等,在該學科中用點代表組成網路的元素,用邊代表節點之間的關係和相互作用,並在此基礎上研究網路的演化過程、拓撲結構、動力學性質等。
網路科學是一個典型的交叉學科,融匯了多個學科的理論和方法,包括數學中的圖論、物理中的統計力學、計算機科學中的數據挖掘和信息可視化、統計學中的推理建模以及社會學中的社會結構理論。美國國家科學研究委員會定義網路科學為「研究物理、生物和社會現象的網路表示方法,最終建立這些複雜現象的預測模型」。
網路科學應用前景廣泛、發展迅速,引起了各國政府和知名學者的關注,中國計算機學會理事長李國傑院士在 2016 年中國計算機學會通訊中發表了題為「網路科學: 21 世紀的元科學」的主編評語,指出數據科學與網路科學是一對孿生學科,兩者相輔相成,李國傑院士強烈建議信息領域的學者參與到網路科學的研究中,文中寫道,「網路科學不僅是真正的科學,而且將成為物理、生物、社會等眾多科學的基礎」。網路科學是數據驅動的科學,從現象反推到機制、再預測現象,如果說現階段的人工智慧,特別是深度學習還是一個灰箱的話,那麼網路科學有可能成為打開這個箱子的鑰匙之一。
國際網路科學協會是由網路科學奠基人 Barabási 等人發起的國際性研究協會,彙集了來自於各個學科背景,而對網路科學感興趣的研究者。協會每年舉辦一次年會 NetSci,至今已經召開了 12 屆,歷屆會議舉辦地點如下:
NetSci 2017, Indianapolis
NetSci 2016, Seoul
NetSci 2015, Zaragoza
NetSci 2014, Berkeley CA
NetSci 2013, Copenhagen
NetSci 2012, Evanston IL
NetSci 2011, Budapest
NetSci 2010, Boston MA
NetSci 2009, Venice Italy
NetSci 2008, Norwick UK
NetSci 2007, New York NY
NetSci 2006, Bloomington IN
今年的 NetSciX 會議分為兩個部分,1 月 5 日為講座學校,大會邀請了國際頂級學者為剛步入網路科學研究領域的學生和青年學者提供多場基礎講座。6 日-8 日為大會時間,包括特邀報告、大會報告、分會報告以及海報四個部分。此外,大會邀請業界的專家,舉辦多場不同主題的小型研討會,打破學界與業界之間的研究壁壘,讓學界和業界得到充分的交流。
Albert-László Barabási——Northeastern University 教授,APS Fellow,網路科學奠基人,無標度網路提出者
陳關榮——香港城市大學教授,IEEE Fellow,歐洲科學院院士
Raissa M. D"Souza——University of California 教授,APS Fellow,網路科學協會主席
Jürgen Kurths——Potsdam Institute for Climate Impact Research 教授,APS Fellow,歐洲科學院院士
Ying-Cheng Lai——亞利桑那州立大學教授,APS Fellow
Luciano Pietronero——University of Rome 教授
謝宇——普林斯頓大學教授
Jianwei Zhang——漢堡大學教授
Sarika Jalan——Indian Institute of Technology Indore 副教授
Hawoong Jeong——Korea Advanced Institute of Science and Technology 教授
李翔——復旦大學教授
Filippo Radicchi——Indiana University 教授
Marta Sales-Pardo——Universitat Rovira i Virgili 副教授
James Gleeson——University of Limerick 教授
王大順——Northwestern University 副教授
周濤——電子科技大學教授
下面我們來集中回顧一下講座學校的主要內容(按分享時間順序總結,排名不分先後)。講座學校邀請了國際頂級學者為剛步入網路科學研究領域的學生和青年學者提供四場基礎講座,分別是:
複雜網路和疾病傳播
基於網路和控制論視角的人類微生物群研究
網路中的大規模結構:隱藏社區和潛在層次結構
多層網路研究
Vittoria Colizza:Predictability and epidemic pathways in global outbreaks of infectious diseases: the SARS case study
Vittoria Colizza 來自法國國家健康與醫學研究所,演講的內容聚焦於網路科學的經典話題——傳染病傳播,因為在疾病傳播中的基礎研究和數據驅動的網路建模方面的開創性工作獲得 2017 年度的 Erd?s–Rényi 獎,該獎以隨機圖理論的開拓者 Erd?s 和 Rényi 命名,由網路科學協會頒發給在網路科學領域做出傑出貢獻的年輕科學家。
個人主頁:
http://www.epicx-lab.com/vittoria-colizza.html
Colizza 主要介紹了 2007 年發表在 BMC Medicine 的工作。2002-2003 年 SARS 在全球肆虐,清楚地顯示了長程運輸網路對於理解疾病爆發的重要性。作者結合大規模的交通數據來更好地對現實中的疾病傳播過程進行建模。
為了評估模型的預測能力,作者以 SARS 的全球傳播為例進行了預測。參數和條件初始化採用了香港的實際數據,同時分析了爆發可能性和傳播路徑。模擬結果很好地擬合了 SARS 的全球傳播情況。
Colizza 對演講進行了總結,遠程移動和人口統計變數對於提升疾病傳播模型的預測能力,而且可以持續地進行檢驗。這種建模策略可以作為全球疾病傳播的分析和預測的一般方法,為遏制疾病傳播、避免災難性後果提供決策支持。
Yang-Yu Liu:Network and Control Theoretical Approaches to Studying Human Microbiota
Liu 是哈佛醫學院的副教授,同時任布萊根婦女醫院副研究員。他的研究興趣廣泛,包括人類菌群和社區生態、複雜系統的控制原則、複雜網路的結構和動力學、生物信息學和機器學習,本次演講聚焦於用網路科學方法和控制論研究人類微生物群。
個人主頁:
https://scholar.harvard.edu/yyl
該演講以 2016 年發表於 nature 的論文「Universality of human microbial dynamics」為主要內容。人體微生物社群決定著我們的健康和幸福,近年來持續研究基於微生物群的治療方法,如排泄物微生物群移植。這些微生物群是非常複雜、動態和個性化的生態系統,在物種組合和豐富度方面展現出高度的個體多樣性。至今未解決的問題是,用人口動力學模型中的增長率、種內和種間交互度量,這些微生物群背後的生態動力學到底是一致的還是個性化的、依賴於宿主而變化的。如果微生物群動力學是依賴於宿主的生活方式、生理機能和基因的,那麼通用的微生物干預措施將會帶來不可預知的結果,使得措施無效甚至帶來災難性的後果。或者,微生物群也可能服從普適性的規律。
Liu 等提出了新的刻畫人類微生物群特徵的計算方法,並應用於來自兩個大規模的元基因組研究(人類微生物群項目和學生微生物群項目,縮寫為 HMP 和 SMP)。結果顯示,腸道和口腔菌群展示出普適性的規律,而與特定皮膚部位相關的菌群受到宿主差異性的影響。如下圖,除了 SMP 研究中的前額和手掌,HMP 研究中左右肘窩,其他部位的菌群都具有差異性。
Dan Larremore:Large-scale Structures in Networks: Hidden Communities and Latent Hierarchies
Larremore 是卡羅拉多大學的助理教授,在數學和統計物理方面有紮實的基礎和豐富的研究積累,同時在卡羅拉多大學計算機系和生物前沿研究所任職。
個人主頁:
http://danlarremore.com/
Larremore 首先從結構發現的意義入手,科學在於尋找規律,將複雜的現象簡單化,而結構便是區別於噪音的信息,幫助我們理解哪些是網路的重要組成部分以及這些部分是如何連接組合成整體的。現有的研究採用同配係數和模塊度來度量和發現社區結構,然而,模塊度概念雖然清晰、簡單,卻存在悖論,因為即使是隨機網路也可以劃分出具有高模塊度的社區。生成網路模型是常用的研究方法,一方面可以根據模型和參數來重現實際數據,另一方面可以從實際數據中推斷中網路的生成過程和參數。
最後,Larremore 介紹了社區發現中的研究前沿話題:
分層社區(hierarchical communities),我們觀察到的網路是重疊交叉的,但是卻可以按照節點類型、時間等對網路進行分層,更好地揭示網路結構和規律;
混合劃分 (mixed-membership),在這種劃分方法下,邊表示隸屬關係,而節點根據所連接的邊被劃分到不同群體;
多層網路 (multilayer networks), 多個網路疊加,除了傳統網路中的節點和邊,增加了一個所屬網路層級的屬性;
綜合元數據的社區劃分(metadata+communities),元數據即關於數據的數據,通常是數據的描述信息,如節點的標籤(人的性別、地域、身高、體重等),這些信息可以作為約束條件幫助進行更好地劃分社區。作者認為需要在通用模型和定製模型中做出權衡,科學問題會不斷驅動新的社區劃分方法的出現。
Ginestra Bianconi:Multilayer Networks
Bianconi 教授來自倫敦瑪麗女王大學,研究興趣包括網路統計力學、生物網路、凝聚態物質中的複雜和臨界現象。報告聚焦於多層網路的結構和動力學,成果於 2014 年發表在物理學領域的權威雜誌 Physics Reports(Structure and Dynamics of Multilayer Networks)。
個人主頁:
http://www.maths.qmul.ac.uk/~gbianconi/
如果我們細心觀察周圍,就可以立即發現,生活中形形色色的現象都是基本元素之間通過複雜的模式不斷交互而產生的。網路科學將基本元素抽象為節點,將節點之間的互動抽象為邊,幫助我們理解現象,發現規律,進而找到控制網路的方法。
傳統的複雜網路方法不區分點和邊的類型,嚴重限制了網路的實際應用,為此作者列舉了三個實際網路進行說明。
(1)Facebook 好友關係網路。兩個用戶在 Facebook 上成為好友,可能是因為他們是同事,或者是同一個足球隊的粉絲,再或者是因為他們經常在假期見面,而這些不同的好友關係在信息傳播中所起的作用是不同的。如果一個人得到了一個消息並希望傳播出去,那麼他所選擇的傳播渠道明顯是不同,因此更合理的方式是對每一種社會關係形成的團體都建立一個網路,進而對不同網路之間的傳播做出限定。
(2)航空網路。人們在航班延誤時需要重新安排行程,而首先考慮的是原航班所在航空公司的航班,這時網路是分層的,每一家航空公司的航線網路構成一層,人們優先選擇所處的網路重新安排行程。
(3)生物網路。生物學家詳細觀察新桿狀線蟲的神經網路,包括 281 個神經元和 2000 多個連接,這些連接分為兩類:化學連接和離子連接,而這兩類連接具有完全不同的動力學特性,這導致神經元在不同層上表現的性質和重要性完全不同,如果不區分邊的類型對節點進行排序將會得到錯誤的結論。
作者按照常見的書籍撰寫結構綜述了現有的多層網路研究:
(1)多層網路的結構,介紹了常用的數學概念來定義多層網路,包括中心性、聚集係數、特徵譜、模體、相關性等;
(2)多層網路的網路生成模型,包括生成多元網路和網路的網路;
(3)多層網路的魯棒性和滲流,特別是考慮網路之間相互依賴性下的滲流過程;
(4)多層網路上的傳播過程和進化博弈;
(5)多層網路上的同步現象;
(6)多層網路在社會科學、技術、經濟、氣候預測、生態學和生物醫學方面的應用。
作者最後對多層網路的研究進行了總結和展望,多層網路無疑是複雜網路研究的前沿課題,表現出與單層網路迥然不同的性質,呈現出許多有意義的新規律,如研究發現網路之間的相互依賴是系統脆弱性的根源之一,未來的研究可以針對上述綜述內容更加深入地展開研究。
總結
本次講座學校邀請了四位傑出的青年科學家來介紹了近年來的研究前沿,包括兩場複雜網路的基礎研究講座(網路結構、多層網路)和兩場複雜網路在重要領域的應用研究(疾病傳播預測、微生物群研究)。
一天的時間裡,4 位學者分別從各個角度對複雜網路科學進行了詳細的、全方位的解讀。
從學員的角度來看,可以發現在原來以物理學、數學為主的網路科學研究人員基礎上,新增了來自計算機學科、生物學科、醫學的研究人員,網路科學研究團體不斷多元化、學科之間深度互動。這是網路科學自身的魅力和潛力的展現,同時也是網路科學不斷蓬勃發展的動力所在。
————— 新人福利 —————
關注AI 科技評論,回復1獲取
【數百 G 神經網路 / AI / 大數據資源,教程,論文】
————— AI 科技評論招人了 —————
AI 科技評論期待你的加入,和我們一起見證未來!
現誠招學術編輯、學術兼職、學術外翻
————— 給愛學習的你的福利 —————
AI科技評論年度巨獻
特輯熱賣中