共同的群体动力推动了社会、金融和生物领域的现代流行病

一种病原体不能构成流行病：关于相互作用传染、疾病、信念与故事的综述

One pathogen does not an epidemic make: A review of interacting contagions, diseases, beliefs, and stories

本文综述了生物与社会传染中的交互机制及其模型框架，指出传染并非孤立发生，强调需在统一科学视角下打破学科壁垒，推动跨学科研究。

复杂网络中的传染病过程

Epidemic processes in complex networks

近年来，研究界已经积累了大量证据，证明在广泛的生物和社会技术系统中出现了复杂和异质的连接模式。现实世界网络的复杂性质对各种系统中发生的平衡和非平衡现象的行为有着深远的影响，而传染病传播的研究对于我们理解复杂网络中动力学过程的展开至关重要。对异质网络中传染病传播的理论分析需要发展新的分析框架，它已经产生了具有概念和实际意义的结果。对有关流行病过程的大量研究活动进行了连贯和全面的回顾，详细介绍了成功的理论方法，并明确了它们的局限性和假设。物理学家、数学家、流行病学家、计算机科学家和社会科学家在研究传染病传播方面有着共同的兴趣，并依赖于类似的模型来描述病原体、知识和创新的传播。因此，在重点介绍传染病建模中的主要结果和典型模型的同时，还介绍了关于广义社会传染过程的主要结果。最后，研究活动的最前沿的研究传染病传播的共同进化，耦合，随时间变化的网络。

无标度网络中类扩散过程的鲁棒性和同化性

Robustness and Assortativity for Diffusion-like Processes in Scale-free Networks

通过分析复杂网络中流行病和灾难的扩散动力学，研究了传染性对网络鲁棒性的影响。我们首先通过频谱分析确定阈值以上的流行病/故障可以传播，然后我们计算最慢的扩散时间。我们的研究结果表明，dispertative网络表现出更高的流行病学阈值，因此更容易免疫，而在dispertative网络有一个更长的时间进行干预之前，流行病/故障蔓延。此外，我们研究了沙堆级联模型，一个扩散模型的危机传播（金融传染）的计算机模拟。我们发现，虽然预防性网络更容易传播流行病/故障，度有针对性的免疫政策增加了他们的系统性风险的弹性。

间歇性隔离在单纯减少接触之外抑制流行病传播

Intermittent quarantine suppresses epidemic spreading beyond simple contact reduction

本研究通过理论分析与随机模拟，发现节点间歇性（非马尔可夫性）比边间歇性更有效抑制流行病传播，短且均匀的间隔时间提高传播阈值，为干预策略提供新视角。

社会和生物传染的一个广义模型

A generalized model of social and biological contagion

我们提出了一个传染模型，统一和推广现有的社会影响和微生物感染的传播模型。我们的模型结合了暴露于传染性实体的个体记忆（例如，一种谣言或疾病），暴露的可变程度（剂量大小），以及个体易感性的异质性。通过分析和模拟，我们详细研究了个体可能从感染中恢复，然后立即再次变得易感的情况（类似于所谓的SIS模型）。我们确定了三个基本类的传染模型，我们称之为\textit{epidemic threshold}，\textit{vanishing critical mass}，和\textit{critical mass}类，其中每个类的模型对应于不同的预防或促进策略。我们发现，一个特定的传染模型属于这三类之一的条件只依赖于记忆长度和被感染的概率分别由一个和两个曝光。这些参数原则上是可测量的真正的传染性影响或实体，从而产生我们的模型的经验意义。我们还研究了个体一旦康复就获得永久免疫力的情况，发现流行病不可避免地会消失，但当个体拥有记忆时，流行病可能会令人惊讶地持续存在。

Modelling Covid-19 epidemic in Mexico, Finland and Iceland

Over the past two decades there has been a number of global outbreaks of viral diseases. This has accelerated the efforts to model and forecast the disease spreading, in order to find ways to confine the spreading regionally and between regions. Towards this we have devised a model of geographical spreading of viral infections due to human spatial mobility and adapted it to the latest COVID-19 pandemic. In this the region to be modelled is overlaid with a two-dimensional grid weighted with the population density defined cells, in each of which a compartmental SEIRS system of delay difference e…

Social stress drives the multi-wave dynamics of COVID-19 outbreaks

The dynamics of epidemics depend on how people's behavior changes during an outbreak. At the beginning of the epidemic, people do not know about the virus, then, after the outbreak of epidemics and alarm, they begin to comply with the restrictions and the spreading of epidemics may decline. Over time, some people get tired/frustrated by the restrictions and stop following them (exhaustion), especially if the number of new cases drops down. After resting for a while, they can follow the restrictions again. But during this pause the second wave can come and become even stronger then the first on…

周期性时间网络上易感-感染-易感动力学中的帕隆多悖论

A Parrondo paradox in susceptible-infectious-susceptible dynamics over periodic temporal networks

本文在周期性时间网络SIS流行病模型中提出并分析了帕隆多悖论：两个各自高于流行阈值的静态网络交替后反而低于阈值，并揭示其与网络结构和子群间反相振荡动力学的关系。

社交网络传感器用于传染病爆发的早期检测

Social Network Sensors for Early Detection of Contagious Outbreaks

目前检测传染病爆发的方法最多只能提供有关流行病进程的同期信息。平均而言，处于社交网络中心的个人可能比处于边缘的人更快被感染。然而，映射整个网络以识别要监视的中心个体通常非常困难。我们提出了一种替代策略，不需要确定的全球网络结构，即，监测随机选择的个人的朋友。这样的人被认为是更中心的。为了评估这样的朋友群是否真的能提供早期发现，我们研究了2009年底哈佛大学的一次流感爆发。我们跟踪了744名学生，他们被分为随机组和朋友组。根据临床诊断，朋友组的流行病进展发生在14.7天（95% C.I. 11.7-17.6）在随机选择的组之前（即，全体人民）。朋友组在流行的第16天也显示出显著的领先时间（p<0.05），在整个人群的日发病率高峰之前整整46天。这种传感器方法可以提供大量额外的时间来对监测下的小型或大型人群中的流行病作出反应。此外，该方法原则上可以推广到其他在网络中传播的生物、心理、信息或行为传染。

传染病与制度共同演化中的悖论

Paradoxes in the co-evolution of contagions and institutions

该研究引入基于文化群体选择的制度动力学，探究地方机构与流行病的共同演化，发现传播率更高或制度适应更慢反而可能缩小暴发规模等悖论，揭示了传染病与制度互动的复杂演化规律。

在异质社会网络中的竞选：信息流行病的最优控制

Campaigning in Heterogeneous Social Networks: Optimal Control of SI Information Epidemics

研究在社会网络中通过SI过程最大化信息传播的最优控制问题，分析不同网络结构对资源分配的影响，提出针对不同度数节点的最优策略，提升信息传播效率。

不确定传播环境下对复杂传染的非线性偏向

Nonlinear bias toward complex contagion in uncertain transmission settings

针对异质群体传播风险常被忽略的问题，提出加权超图上的流行病模型，发现忽略异质性会导致简单传染被非线性偏向并误判为复杂传染，为推断传播机制提供警示。

动态SIR模型的精确解

Exact Solution to a Dynamic SIR Model

研究了一类基于Bailey连续微分系统的传染病模型.在连续时域中，我们将经典模型扩展到时间相关系数，并提出了Gleissner方法的另一种求解方法。如果系数是常数，则两种求解方法产生相同的结果。在简要介绍了时间尺度之后，我们在一般的时域中建立了SIR模型并给出了它的解。在离散的情况下，这提供了一个新的离散传染病系统，表现出相同的行为作为连续模型的解决方案。最后一部分分析了易感者、感染者和移除者的限制行为，其中包含了生物学相关性。

复杂系统中传播动力学的大型语言模型

Large language models for spreading dynamics in complex systems

本文探讨了大型语言模型在复杂系统中传播动力学研究中的应用，涵盖数字流行病和生物流行病两个领域，分析了LLMs在流行病建模、检测与预测中的作用及未来研究方向。

识别有影响力传播者的加权H指数

Weighted H-index for identifying influential spreaders

传播是社会、生物和技术系统中普遍存在的过程。因此，识别有影响力的传播者，对于预防传染病传播和制定有效的预防接种策略具有重要的理论和现实意义。本文提出了一种基于虚拟节点扩展的加权h指标中心度来量化复杂网络中节点的扩散影响。在真实网络上的仿真结果表明，该方法提供了更准确，更一致的排名比五个经典的方法。此外，我们观察到，我们的措施的单调性和计算复杂性也可以产生优异的性能。

传染病的传播和社会意识是集群网络上的寄生传染

Spread of infectious disease and social awareness as parasitic contagions on clustered networks

生物传染病（如流感）与相关信息传播（如流感疫苗接种活动）相互作用的模型有着丰富的历史。最近关于网络上相互作用的传染病传播的研究突出表明，这些相互作用的传染病可以与网络结构产生反直觉的相互作用。在这里，我们概括了这些框架之一，以解决意识和疾病传播的三个重要特征：第一，我们在高度聚集的，小团体的网络上模拟动态，以模拟工作场所和家庭的作用;第二，意识传染通过降低其传播率来影响生物传染的传播，其中意识或接种疫苗的个体不太可能被感染;第三，生物传染也影响意识传染的传播，但通过增加其传播速度，感染者更容易接受和更有可能分享与疾病有关的信息。在这些条件下，我们发现，增加网络聚类，这是已知的阻碍疾病传播，实际上可以让他们在有意识的模型中维持更大的疾病流行。这一反直觉的结果与传统观点背道而驰，传统观点认为随机网络是合理的，因为它们提供了最坏情况的预测。为了进一步研究这个结果，我们提供了一个基于两步分支过程的封闭形式标准（即，预期的三级感染的数量）来识别参数空间中聚集和共感染的净效应变化的不同区域。总之，我们的研究结果再次强调了在疾病建模中超越随机网络的必要性，并说明了即使在相互作用的传染病的复杂模型中也可能进行的分析类型。

Diffusion geometry of multiplex and interdependent systems

Complex networks are characterized by latent geometries induced by their topology or by the dynamics on the top of them. In the latter case, different network-driven processes induce distinct geometric features that can be captured by adequate metrics. Random walks, a proxy for a broad spectrum of processes, from simple contagion to metastable synchronization and consensus, have been recently used in [Phys. Rev. Lett. 118, 168301 (2017)] to define the class of diffusion geometry and pinpoint the functional mesoscale organization of complex networks from a genuine geometric perspective. Here, w…

复杂网络中影响者识别理论

Theories for influencer identification in complex networks

在社会和生物系统中，相互作用网络的结构异质性导致一系列动态过程中出现一小部分有影响力的节点或影响者。尽管这些影响者比整个网络小得多，但据观察，它们能够在不同背景下塑造大量人口的集体动态。因此，成功识别影响者应该在各种现实世界的传播动态中产生深远的影响，例如病毒式营销，流行病爆发和级联故障。在本章中，我们首先总结了在复杂网络中发现单个影响者的基于中心性的方法，然后从集体的角度讨论了定位多个影响者的更复杂的问题。将介绍植根于集体影响理论、信仰传播和计算机科学的进展。最后，我们介绍了影响者识别在不同现实世界系统中的一些应用，包括在线社交平台，科学出版物，大脑网络和社会经济系统。

网络传播过程中传染图的拓扑数据分析

Topological data analysis of contagion maps for examining spreading processes on networks

网络的空间嵌入性影响着社会和生物传染。历史上，许多流行病在地球表面的一部分作为波浪传播;然而，在现代传染病中，长距离边缘-例如，由于航空运输或通信媒体-允许传染病的集群出现在遥远的地方。在这里，我们研究了网络上的蔓延，通过拓扑数据分析和非线性降维接地方法。我们构建“传染图”，使用网络上的多个传染点将节点映射为点云。通过分析拓扑结构，几何形状和维数的流形结构在这样的点云，我们揭示的见解，以帮助建模，预测和控制的蔓延过程。我们的方法强调传染图也是一个可行的工具，推断网络中的低维结构。

复杂网络上林火模型的稳态动力学

Steady-State Dynamics of the Forest Fire Model on Complex Networks

许多社会学网络，以及生物和技术网络，可以用具有异质连接模式的复杂网络来表示。在它们上面发生的动力学过程会受到这个拓扑事实的很大影响。在本文中，我们考虑一个范式模型的非平衡动力学，即森林火灾模型，其相关性在于它的能力，代表几个流行病的过程中的一般参数化。我们通过发展相应的非均匀场论并在其稳态下求解，研究了该模型在复杂网络中的行为。我们提供了同构网络和异构网络的几个实例的精确和近似表达式。我们的分析结果与广泛的数值模拟的比较允许绘制区域的参数空间中，非均匀平均场论提供了一个准确的描述的动态，并enlights的平均场论的有效性的限制，在动态相关性变得重要的情况下。

基于反应扩散动力学的复杂网络影响者识别

Influencers identification in complex networks through reaction-diffusion dynamics

网络科学、营销研究和创新扩散理论中的一个关键思想是，一小群节点--被称为影响者--对网络中的社会传染和流行过程具有最大的影响。尽管在社会经济和生物网络的影响者识别问题的长期利益，还没有达成协议，这是最好的识别策略。最先进的策略通常基于启发式中心性度量或仅适用于特定网络拓扑或特殊动态机制的分析参数。在这里，我们利用最近引入的随机游走有效距离-一个拓扑度量，几乎完美地估计网络上扩散扩散过程的到达时间-引入一个新的中心性度量，它量化了一个节点与其他节点的接近程度。我们发现，新的中心性指标显着优于国家的最先进的指标，在检测全球传染过程的影响。我们的研究结果揭示了网络有效距离对影响者识别的重要作用，并使我们更接近问题的最优解。

噪声引起的集体动力学波动

Noise-induced volatility of collective dynamics

“噪声引起的波动性”是指在存在快速变化的外部信号和中间噪声水平的情况下，可调单元的集体动态中的波动水平增加的现象。这种现象的典型特征是，除了波动水平的增加之外，系统的响应变得与外部驱动力无关，使其不同于随机共振。数值模拟和分析理论的随机动态版本的伊辛模型定期和随机网络证明了这种现象的普遍性和鲁棒性，这被认为是一个可能的原因过度波动的金融市场，增强有效温度在各种各样的平衡系统和强大的选择性反应的免疫系统的复杂的生物有机体。广泛的数值模拟相比，平均场论不同的网络拓扑结构。