The Role of Community Building and Education as Key Pillar of Institutionalizing Responsible Quantum
本文论证社区建设与教育是负责任量子计算制度化的关键支柱，并介绍IBM为构建多元化利益相关者社区以支持技术负责任发展所制定的策略。
2024-10-17 physics.soc-ph quant-ph
Impact of Dynamic Interactions on Multi-Scale Analysis of Community Structure in Networks
为了发现网络中有趣的结构，社区发现算法不仅要考虑网络拓扑结构，还要考虑节点之间的动态交互。我们调查这一说法使用的范式在网络中的耦合振荡器的同步。随着网络演化到全局稳定状态，属于同一社区的节点比属于不同社区的节点同步得更快。传统上，网络同步模型中的节点通过一对一或保守交互耦合。然而，社交互动通常是一对多的，例如，在社交媒体中，用户向所有追随者广播消息。我们制定了一个新的模型中的网络耦合振荡器的同步，其中的振荡器耦合通过一对多，或非保守的相互作用。我们研究了不同相互作用模型的动力学，并对比了它们的光谱特性。为了在交互节点的网络中找到多尺度社区结构，我们定义了一个相似性函数，该函数测量节点同步的程度，并使用它来分层聚类节点。我们研究现实世界的社交网络，包括两个社交媒体提供商的网络。为了评估在社交媒体网络中发现的社区的质量，我们提出了一个基于用户活动的社区质量度量。我们发现，保守和非保守的互动模式导致显着不同的意见，社区结构，即使在同一个网络。我们的工作提供了一个新的数学框架，探索网络结构，拓扑结构和动力学之间的关系。
2012-03-16 cs.SI physics.comp-ph physics.data-an
The impact of partially missing communities~on the reliability of centrality measures
网络数据通常不是无误差的，某些节点的缺失是一种非常常见的测量误差。研究表明，缺失节点会严重影响中心性度量的可靠性。本文研究了当缺失节点可能属于同一社区时中心性测度的可靠性。我们研究了五种常用的中心性度量在均匀网络和无标度网络中的行为。我们发现，中心性措施通常更可靠的情况下，失踪的节点很可能属于同一个社区比在节点失踪均匀随机。然而，在无标度网络中，当缺失节点更有可能属于同一社区时，介数中心性变得不那么可靠。此外，无标度网络中的中心性度量在社区结构较强的网络中更可靠。相比之下，我们没有观察到均匀网络的这种效应。我们的观察结果表明，缺失节点对中心性度量的可靠性的影响可能不像文献中所说的那样严重。
2017-09-20 cs.SI physics.soc-ph
Assess the impacts of human mobility change on COVID-19 dynamics in Arizona, U.S.: a modeling study incorporating Google Community Mobility Reports
2020年6月，美国亚利桑那州，在5月中旬取消居家令后，香港成为2019年全球最严重的冠状病毒病（COVID-19）疫情点之一。然而，随着重新实施限制的决定，COVID-19病例数量一直在下降，亚利桑那州被认为是减缓疫情的良好模式。在本文中，我们旨在研究亚利桑那州的COVID-19情况，并评估人类流动性变化的影响。我们构建了流动性整合的集合种群易感-传染-移除模型，并拟合了亚利桑那州COVID-19病例和流动性变化的公开数据集。我们的模拟表明，通过减少人员流动，高峰时间被推迟，最终疫情规模在所有三个地区都有所下降。我们的分析表明，快速有效的决策对于控制人员流动以及COVID-19疫情至关重要。在疫苗问世之前，可能需要考虑在亚利桑那州及其他地区重新实施流动限制，以应对新冠肺炎病例的增加。
2020-09-04 physics.soc-ph q-bio.PE
The Interhospital Transfer Network for Very Low Birth Weight Infants in the United States
极低出生体重儿（VLBW）需要在新生儿重症监护室进行专门护理。在美国，这些婴儿经常在医院之间转移。虽然这些新生儿转运网络在经济上和婴儿发病率和死亡率方面都很重要，但国家一级的新生儿转运模式在很大程度上是未知的。使用佛蒙特牛津网络的数据，从2015年开始，44，753例出生，2，122家医院和9，722例医院间婴儿转移，我们对美国VLBW婴儿的医院间转移网络进行了迄今为止最大的分析。大多数社区往往在不同的州至少有两家医院。为了对这些社区之间的转移模式的结构变化进行分类，我们采用了光谱测量区域化，并发现社区的区域化程度和婴儿转移率之间的关联，这是没有利用在检测社区。我们还证明了网络中心性和层次结构的既定措施，例如，PageRank中的社区范围熵或社区内的介数中心性和不同“层”的数量与我们的区域化指数弱相关，并且与婴儿转移率的指标没有显著相关。我们的研究结果表明，区域化指数捕捉了关于极低出生体重婴儿转移网络结构特性的新信息，具有表征美国新生儿护理的实际意义，并且可以更广泛地应用于在组织复杂的适应系统中集中力量的作用。
2018-07-02 cs.SI physics.soc-ph
Impact of the COVID-19 Pandemic on Fundamental Physics Research
COVID-19的爆发和大流行几乎在各个方面都极大地改变了世界。它对高能物理界的影响也是显而易见的。在这个分析中，我们表明，社会距离大大改变了物理界的工作方式。在高能物理领域，在线交流和视频会议正在成为日常安排。然而，这种工作方式的改变可能需要一些时间来适应。从arXiv、INSPIRE数据库和JHEP、PRD官方网站收集的科学结果可以看出这种影响。
2020-07-22 cs.DL physics.soc-ph
Discovering the hidden community structure of public transportation networks
公共交通建模和灵巧卡技术的进步可以揭示乘客的详细接触模式。表示这种接触模式的自然方式是网络的形式。在本文中，我们利用已知的接触模式，在一个主要的大都市的公共交通分配模型，并提出了两个新的网络结构，其中每一个阐明乘客出行行为的某些方面的发展。我们首先提出了一个换乘网络的发展，它可以揭示在给定的一天一起旅行的乘客群体。其次，我们提出了一个社区网络的发展，这是来自换乘网络，并捕捉乘客之间的旅行模式的相似性。然后，我们探索这些网络结构中的每一个的应用，以确定最常用的旅行路径，即，路线和转移，在公共交通系统中，和模型流行病传播风险之间的公共交通网络。在后者中，我们的结论加强了以前的观察，即在早上和下午高峰时段穿越或连接市中心的路线在疫情期间是最“危险”的。
2018-12-18 cs.DM cs.SI physics.soc-ph
Hurricane and Storm Surges-Induced Power System Vulnerabilities and their Socioeconomic Impact
本文提出一个概率框架，通过在2000节点合成电网上建模历史飓风和风暴潮，结合社会脆弱性指数评估极端天气引发的停电对社会经济的影响，发现停电叠加效应会放大社区脆弱性。
2023-11-25 cs.SY eess.SY physics.soc-ph
Role-based Label Propagation Algorithm for Community Detection
网络的社区结构提供了对其组织结构和功能行为的全面洞察。LPA是最常用的社区发现算法之一，具有近似线性的时间复杂度。但由于引入了随机性，导致其稳定性差，容易出现怪物群落。我们注意到，不同的面向社区的节点角色以不同的方式影响标签传播。在本文中，我们提出了一个基于角色的标签传播算法（roLPA），在其中使用了关于面向社区的节点角色的算法。我们已经评估了所提出的算法在真实和人工网络。结果表明，roLPA是国家的最先进的社区发现算法相媲美。
2016-01-23 cs.SI physics.data-an physics.soc-ph
Community Detection with Metadata in a Network of Biographies of Western Art Painters
在这项工作中，我们看看西方艺术画家之间的影响结构，如他们在维基百科上的传记所揭示的。我们使用修改后的版本的模块化最大化与元数据检测到的艺术家划分为社区的基础上，他们所属的艺术流派和学校。然后，我们使用这个社区结构来讨论有影响力的艺术家如何超越自己的社区，并对他人产生持久的影响，提出修改标准的中心性措施。
2018-02-22 cs.SI physics.soc-ph
Societal impacts of particle physics projects
美国政府资助的大型粒子物理项目需要评估和减轻每个项目对当地社区的潜在影响。然而，除了满足政府的要求外，粒子物理学项目还可以通过有意义地参与当地社区，在当地决策，建立关系和制定关于关键项目的讨论方面发挥重要作用。在美国粒子物理社区规划演习（Snowmass）的这份白皮书中，我们研究了三个设施所做的几项当地社区参与工作：劳伦斯伯克利国家实验室（伯克利实验室），费米国家加速器实验室（费米实验室）和桑福德地下研究设施（SURF）。虽然每个设施侧重于不同类型的社区的不同努力，但每项研究都强调了采用一致的外展技术，促进多样性，建立持久的关系以及创造开放和诚实沟通的环境的重要性和好处。
2022-03-15 hep-ex physics.soc-ph
Characterizing Community Formation in Response to Extreme Weather Events through Human Mobility Networks
本文研究2021年冬季风暴Uri引发的有序停电背景下德克萨斯州哈里斯县人类移动网络的社区形成，分析其灾害暴露异质性等特征，发现社区空间共存等规律，为电力公司停电管理提供参考。
2025-08-19 cs.CY cs.SI physics.soc-ph
Network dynamics of community resilience and recovery: new frontier in disaster research
本文提出以网络动力学为核心研究社区韧性与恢复，通过六项研究揭示灾害传播与恢复过程，为识别脆弱性、指导干预和促进公平韧性提供新视角。
2025-02-26 cs.SI physics.soc-ph
Impact of Unexpected Events, Shocking News and Rumours on Foreign Exchange Market Dynamics
我们分析了世界金融界对各种类型的突发事件（包括每分钟发生的9/11恐怖袭击）的动态反应。我们发现，有各种各样的“种类”的新闻，其特点是如何迅速的新闻得到吸收，有多少意义和重要性是由社区，以及随后采取的行动。例如，对9/11事件的反应表明了对正在发生的事情的逐渐集体理解，而不是立即实现。对于那些不是简单的经济陈述，因此其含义并不立即明显的新闻项目，我们发现了集体发现的时期，在此期间，集体意见似乎以一种非常同步的方式振荡。在谣言的情况下，我们的研究结果也提供了一个在相互联系的社区中传染的具体例子。这项工作的实际应用包括根据可能产生的影响，为特定社区提供有选择的新闻。
2006-07-20 physics.soc-ph
Multiscale Evolutionary Perturbation Attack on Community Detection
社区发现的目的是根据节点之间的连接关系对节点进行分组，它在网络分析中起着重要的作用，因为社区被视为元节点，允许我们创建一个大规模的网络地图，以简化其分析。然而，出于隐私原因，我们可能希望在某些情况下防止社区被发现，从而导致社区欺骗的话题。在本文中，我们形式化这个社区发现攻击问题在三个尺度，包括全球攻击（宏观），目标社区攻击（中尺度）和目标节点攻击（微观）。我们将其视为一个优化问题，并进一步提出了一种新的进化扰动攻击（EPA）方法，在那里我们生成对抗网络来实现社区发现攻击。数值实验验证了我们的EPA可以成功地攻击所有三个尺度上的网络社区算法，即，隐藏目标节点或社区，并通过仅改变一小部分链接来进一步扰乱整个网络的社区结构。相比之下，我们的EPA在六个合成网络和三个真实网络上的表现优于一些基线攻击方法。更有趣的是，虽然我们的EPA是基于louvain算法，它也是有效的攻击其他社区发现算法，验证了其良好的可移植性。
2021-02-08 cs.SI physics.soc-ph
Community attitudes towards the environmental cost of computational fluid dynamics research
本研究调查英国曼彻斯特大学流体力学研究者对计算碳足迹的态度，发现其认知低且行为与态度不一致，强调提升环境意识教育的必要性。
2025-01-22 physics.flu-dyn physics.soc-ph
The impact of clogging on the transfer dynamics of hydraulic networks
我们研究如何堵塞影响的传递性能的一个通用类的材料具有嵌入在矩阵中的液压网络。我们考虑液体通过完全饱和的水力网络的流动，该水力网络通过对流和扩散传递热量（或质量），以及仅扩散操作的矩阵。网络会受到不同的堵塞情况（或攻击），从而改变其微观结构和流场。一系列典型的冷却试验模拟使用示踪剂的方法之前和之后的攻击。结果量化了不同类型和不同程度的攻击对系统传输性能的威胁。引入一个分析框架来预测这种脆弱性的攻击，合理化的物理机制的传输动态的影响。
2018-03-30 cond-mat.soft physics.flu-dyn physics.soc-ph
Community Detection in Networks with Node Features
网络中的社区检测已经提出了许多方法，但大多数方法都没有考虑到在实践中通常可用的节点上的附加信息。在本文中，我们提出了一个新的联合社区检测标准，使用网络的边缘信息和节点的功能来检测社区结构。与现有的联合检测方法相比，我们的方法的一个优势是学习不同特征的影响的灵活性，这些特征在社区中可能会有所不同。另一个优点是选择特征信息对社区的影响量的灵活性。该方法在块模型下是渐近一致的，并对特征分布做了额外的假设，在模拟和真实网络上都有很好的表现。
2015-09-03 cs.SI physics.soc-ph stat.ML
Decoding the Pulse of Community during Disasters: Resilience Analysis Based on Fluctuations in Latent Lifestyle Signatures within Human Visitation Networks
本研究基于路易斯安那州120余万条移动数据构建访问网络，利用motif模型提取生活方式特征并定义频率与邻近度指标，揭示了飓风艾达后社区生活方式的中断与恢复动态，为灾害韧性评估和应急管理提供依据。
2024-02-26 cs.SI physics.soc-ph stat.AP
Community Discovery in Dynamic Networks: a Survey
为模拟现实世界现象而构建的网络具有一些吸引科学界关注的特性：（i）它们是根据社区结构组织的;（ii）它们的结构随时间而演变。许多研究人员致力于研究可以有效揭示复杂网络中的子结构的方法，从而诞生了社区发现领域。最近，一个新的和具有挑战性的问题开始引起研究人员的兴趣：不断发展的社区的识别。为了模拟系统的演化，可以使用动态网络：节点和边缘是可变的，它们的存在或缺失会深刻影响组成它们的社区结构。本调查的目的是提出动态社区发现的独特特征和挑战，并提出了一个分类的方法。作为一个“用户手册“，这项工作组织成一个分类的基础上，他们的基本原理，他们的具体实例化的最先进的方法。鉴于网络动态、社区特征和分析需求的理想定义，这项调查将支持研究人员确定最适合其需求的一套方法。拟议的分类还可以帮助研究人员选择未来研究的方向。
2019-09-03 cs.SI physics.soc-ph
Beyond gender: The intersectional impact of community demographics on the continuation rates of male and female students into high school physics
本研究利用加拿大人口普查和安大略省十一年注册数据，通过分层线性建模分析性别与社区人口统计对高中物理续读率的交叉影响，发现学校层面因素影响最大，且STEM学科不应视为同质。
2023-11-17 physics.ed-ph physics.soc-ph
Matching Community Structure Across Online Social Networks
网络中社团结构的发现是近年来引起人们极大兴趣的一个问题。在在线社交网络中，用户经常同时参与多个社交媒体站点，其中一些共享共同的社交关系。在这些网络中发现一个共享的社区结构是非常有趣的。然而，在现实中，用户通常在社交媒体网站上使用不同的用户名来标识自己。这就给探测群落结构带来了很大的困难。在本文中，我们探讨了几种方法，社区发现在线社交网络与有限的知识，跨网络的用户名对齐。我们将已知的用户名对齐称为种子。我们研究了种子选择策略及其对具有不同重叠顶点比例的网络的影响。我们的目标是研究网络拓扑结构和种子选择策略之间的相互作用，并了解它如何影响检测到的社区结构。我们还提出了几种措施来评估社区发现的性能，并使用它们来衡量Twitter-Twitter网络和Twitter-Instagram网络中检测到的社区的质量。
2016-08-03 cs.SI physics.soc-ph
People are Strange when you're a Stranger: Impact and Influence of Bots on Social Networks
Università degli Studi di Torino（都灵大学）
对于许多网络和社交媒体用户来说，机器人是许多危险攻击的来源或垃圾邮件等不想要的消息的载体。然而，爬虫和软件代理是分析人员的宝贵工具，它们不断地被执行以收集数据或测试分布式应用程序。然而，没有人知道机器人的真正潜力是控制社区，操纵共识还是影响用户行为。人们普遍认为，一个智能体在社交网络中模拟人类行为的能力越强，它就越能成功地在该社区中产生影响。我们通过一个在线社会实验来帮助揭示这个问题，旨在研究一个没有信任、没有个人资料、没有复制人类行为的机器人在多大程度上可以在社交媒体上流行和有影响力。结果表明，一个基本的社会探测活动可以用来获取社会相关性的网络，这样获得的普及可以有效地利用，以推动用户在他们的社会连接的选择。我们还发现，我们的机器人活动揭示了社区中隐藏的社会极化模式，并引发了个人的情绪反应，从而揭示了用户群感知到的微妙的隐私危害。
2014-07-30 cs.AI cs.CY cs.SI
