人类流动的非马尔可夫特征：线上与线下

Impact of temporal scales and recurrent mobility patterns on the unfolding of epidemics

Human mobility plays a key role on the transformation of local disease outbreaks into global pandemics. Thus, the inclusion of human movements into epidemic models has become mandatory for understanding current epidemic episodes and to design efficient prevention policies. Following this challenge, here we develop a Markovian framework which enables to address the impact of recurrent mobility patterns on the epidemic onset at different temporal scales. This formalism is validated by comparing their predictions with results from mechanistic simulations. The fair agreement between both theory an…

Infectious disease dynamics in metapopulations with heterogeneous transmission and recurrent mobility

Human mobility, contact patterns, and their interplay are key aspects of our social behavior that shape the spread of infectious diseases across different regions. In the light of new evidence and data sets about these two elements, epidemic models should be refined to incorporate both the heterogeneity of human contacts and the complexity of mobility patterns. Here, we propose a theoretical framework that allows accommodating these two aspects in the form of a set of Markovian equations. We validate these equations with extensive mechanistic simulations and derive analytically the epidemic th…

Non-Markovian Majority-Vote model

Non-Markovian dynamics pervades human activity and social networks and it induces memory effects and burstiness in a wide range of processes including inter-event time distributions, duration of interactions in temporal networks and human mobility. Here we propose a non-Markovian Majority-Vote model (NMMV) that introduces non-Markovian effects in the standard (Markovian) Majority-Vote model (SMV). The SMV model is one of the simplest two-state stochastic models for studying opinion dynamics, and displays a continuous order-disorder phase transition at a critical noise. In the NMMV model we ass…

非马尔可夫动力学的多重分解及隐层重构问题

Multiplex decomposition of non-Markovian dynamics and the hidden layer reconstruction problem

组成复杂系统的元素通常以几种不同的方式相互作用，因此，交互体系结构可以很好地由多路复用网络建模。然而，这种架构往往是隐藏的，因为人们通常只能实验性地访问聚合投影。因此，一个基本的挑战是确定复杂系统的隐藏的底层架构是否更好地建模为单个交互层或来自多个层的聚合和交互的结果。在这里，我们表明，使用导航聚合网络的随机步行者提供的本地信息，可以以鲁棒的方式决定底层结构是否是多重结构，并且在前一种情况下，确定最可能的隐藏层数量。作为一个副产品，我们表明，数学形式主义也提供了一个原则性的解决方案，复杂的，非马尔可夫动态的最佳分解和投影到扩散模式的马尔可夫切换组合。我们验证了所提出的方法与数值模拟（i）随机游走导航隐藏的多重网络（从而重建真正的隐藏架构）和（ii）马尔可夫和非马尔可夫连续随机过程（从而重建一个有效的多重分解，其中每一层占不同的扩散模式）。我们还陈述并证明了两个存在定理，保证了这些隐跳马尔可夫模型的动力学的精确重建总是可能的任意有限阶马尔可夫和完全非马尔可夫过程。最后，我们展示了该方法对实验记录的适用性，这些实验记录包括（i）在线多人游戏中人类玩家的移动动力学和（ii）单分子水平上RNA聚合酶的动力学。

熵与网络生活的可预测性

Entropy and the Predictability of Online Life

使用移动电话记录和信息理论测量，我们的日常生活最近被证明遵循严格的统计学规律，我们的运动模式在很大程度上是可预测的。在这里，我们应用熵和可预测性措施的行为动作和大量的玩家在虚拟宇宙中的一个大型多人在线游戏的移动性的两个数据集。我们发现，在虚拟人类生活中的运动遵循同样高水平的可预测性作为离线的流动性，未来的运动可以在一定程度上预测，以及如果访问的地方的时间相关性占。行为动作的时间序列显示出类似的高水平的可预测性，即使时间相关性被忽略。以特定行为为条件的熵揭示了在可预测性方面，消极行为比积极行为有更广泛的多样性。包含最能预测个人后续行动的信息的行动是消极的，如攻击或敌人标记，而友谊标记，贸易和通信的积极行动包含最少的预测信息。这些观察结果表明，预测行为动作需要的信息比预测人类的移动模式少，对于人类的移动模式，过去访问过的位置的额外知识是至关重要的，并且社会关系的类型和标志对确定未来行为的能力具有重要影响。