Recurrent Dynamic Message Passing with Loops for Epidemics on Networks
本研究针对网络流行病，提出一种扩展的循环动态消息传递方法，以处理局部环路并纠正概率不一致，通过线性化方程给出阈值估计，实验验证其在预测感染比例和阈值上的有效性。
2023-11-13 cond-mat.dis-nn cs.SI physics.soc-ph
Impact of temporal scales and recurrent mobility patterns on the unfolding of epidemics
人类流动在将地方性疾病暴发转变为全球性大流行方面发挥着关键作用。因此，将人口流动纳入流行病模型已成为理解当前流行病发作和设计有效预防政策的强制性要求。在这一挑战之后，我们在这里开发了一个马尔可夫框架，该框架能够解决在不同时间尺度上经常性流动模式对流行病发作的影响。这种形式主义是通过比较他们的预测与机械模拟的结果进行验证。理论和模拟之间的公平协议，使得到一个解析表达式的流行阈值捕捉的临界条件触发流行病爆发。最后，通过对这一流行阈值进行详尽的分析，我们发现，调整人类流动对疾病出现的影响受到流行病学和流动过程相关的时间尺度的强烈影响。
2019-09-27 physics.soc-ph q-bio.PE
Identifying influential subpopulations in metapopulation epidemic models using message-passing theory
在集合种群流行病模型中识别有影响力的亚群对全球流行病的监测和干预政策具有深远的潜在影响。然而，在集合种群模型中，缺乏基于严格数学背景的确定影响节点的方法。在这项研究中，我们推导出集合种群建模的消息传递理论，并提出了一种方法来确定有影响力的传播者。根据我们的分析，我们将最危险的城市确定为应用于现实世界数据时的潜在流行病种子。此外，我们特别评估了亚群水平上各种异质性来源的相对重要性，例如，连接的数量和移动模式，以确定扩展过程的属性。我们验证了我们的理论与大量的数值模拟经验和合成网络考虑各种流动性和传输概率。我们证实，我们的理论可以准确地预测有影响力的亚种群集合种群模型。
2022-04-14 physics.soc-ph
Synchronized and mixed outbreaks of coupled recurrent epidemics
传染病传播的研究由来已久，但大多数研究都集中在单个传染病爆发的增长方面。最近，我们将研究扩展到复发性流行病的情况（Sci. Rep. { \bf 5}，16010（2015）），但仅限于单个网络。本文从耦合地区或城市的实际数据出发，指出两个耦合网络中的重复性流行病具有密切的相关性，可以表现为两个网络同时爆发的同步爆发阶段，也可以表现为一个网络中爆发而另一个网络中不爆发的混合爆发阶段。为了揭示潜在的机制，我们提出了一个两层网络模型的耦合复发性流行病再现同步和混合爆发阶段。我们发现，同步爆发阶段是首选被触发的两个耦合网络具有相同的平均度，而混合爆发阶段是首选的情况下，具有不同的平均度。此外，我们表明，这两个层之间的耦合是首选抑制混合爆发阶段，但提高同步爆发阶段。基于微观马尔可夫链方法的理论分析，解释了数值结果。这一发现为研究多层网络中的复发性流行病打开了一个新的窗口。
2017-05-26 physics.soc-ph q-bio.PE
Message-passing theory for cooperative epidemics
在复杂网络中，传播过程之间的相互作用是一个非常重要的非平凡现象。最近人们认识到，传染病之间的协同效应可以引起传染病传播现象的质的变化，例如导致突然转变和滞后。在这里，我们考虑一个简单的模型，两个相互作用的病原体在网络上，我们研究它使用的消息传递方法。通过这种方式，我们能够对任何给定网络结构的整个相图中的模型行为提供详细的预测。对合成网络（均质和非均质）的数值模拟证实了理论结果的高度准确性。最后，我们考虑的问题，确定节点，它是更好的种子感染，以最大限度地提高观察到广泛的爆发的概率。消息传递方法也为这个问题提供了一个精确的解决方案。
2020-02-24 cond-mat.stat-mech physics.soc-ph
Message passing and moment closure for susceptible-infected-recovered epidemics on finite networks
Karrer和Newman [Phys. Rev. E 82，016101（2010）]的消息传递方法是有限树上可恢复感染恢复动力学的精确和实用的表示。在这里，我们表明，假设泊松接触过程，基于对的矩封闭表示[Sharkey，J. Math. Biol. 57，311（2008）]可以从他们的方程中推导出来。我们扩展了这两种表示的适用性，并讨论了它们的相对优点。在任意时间无关的网络上，如消息传递形式主义所示，基于对的矩封闭方程也提供了一个严格的下限，在任何时候都期望的可行数。
2014-02-25 math.PR physics.soc-ph q-bio.PE
Periodic recurrent waves of Covid-19 epidemics and vaccination campaign
虽然了解新冠肺炎疫情的周期性复发波将有助于抗击大流行病，但缺乏对疫情爆发后两年期间数据的定量分析。Covid-19复发波的复杂性与i）为减缓流行病传播而实施的遏制措施ii）病毒基因突变率及iii）通过接种疫苗实施的宿主可变免疫反应的同时作用有关。这项工作的重点是大规模疫苗接种和基因变异对复发波的影响，在一个有代表性的国家实施缓解和疫苗接种战略的情况下。传播速率是通过繁殖数Rt（t）和倍增时间Td（t）之间的比率（称为RIC指数）和每日死亡数来衡量的。通过小波分析研究了Covid-19流行病的动态，并用3D空间中的非线性螺旋涡表示，其中RIC指数和死亡人数都随时间变化。周期性回归波的开始已被确定的过渡从收敛到发散轨迹的螺旋涡。我们报告了120天的复发波的主要时期和疫苗接种运动后这一时期的延长
2022-06-07 physics.soc-ph q-bio.PE
The relationships between message passing, pairwise, Kermack-McKendrick and stochastic SIR epidemic models
我们认为一个非常普遍的随机模型SIR流行病的网络，允许个人的传染期，并需要时间来联系每个邻居后，被感染，是相关的。我们写下这个模型的消息传递方程组，并证明，第一次，它有一个唯一的可行解。我们还概括了较早的结果，证明该解决方案提供了一个严格的上限，预期的流行规模（累计感染事件数）在任何固定的时间$t>0$。我们专门这些结果的一个同质的特殊情况下，图（网络）是对称的。这里的消息传递系统简化为四个等式。我们证明，在网络中的周期抑制感染的传播，并得出重要的流行病学结果的最终流行病的规模和阈值行为的一个大的爆发。对于Poisson接触过程，这个消息传递系统等价于一个非马尔可夫对近似模型，我们证明了它有著名的成对模型作为特例。我们进一步表明，一系列的消息传递系统，从刚才描述的齐次，收敛到确定性的Kermack-McKendrick方程的随机模型。对于泊松接触和恢复，我们表明，这种收敛是单调的，从它遵循的消息传递系统（因此也是成对模型）在这里提供了一个更好的近似预期的流行病规模在时间$t>0$比Kermack-McKendrick模型。
2017-04-26 cond-mat.stat-mech math.PR physics.soc-ph
Influential spreaders for recurrent epidemics on networks
识别哪些节点是网络上传播过程的最佳种子是一个重要的问题，最近引起了人们的极大兴趣。虽然活动主要集中在非经常性类型的动态，在这里，我们考虑易感-感染-易感（SIS）传播模型的问题，其中在一个节点中播种的爆发可以引发无限的活动雪崩。我们应用Larremore等人提出的网络雪崩理论框架[Phys. Rev. E 85，066131（2012）]，以获得对高于和低于流行阈值的单个节点的传播影响（雪崩持续时间和雪崩大小）的详细定量预测。当该方法与退火网络近似相补充时，我们获得了接近过渡的感兴趣的观测量的完全解析表达式，突出了度中心的作用。这些结果与幂律度分布的合成网络上进行的数值模拟的比较显示，一般在亚临界状态下有很好的一致性，从而留下一些问题，为进一步研究相对于超临界区域。
2020-07-16 cond-mat.stat-mech cs.SI physics.soc-ph
Epidemic Dynamics in Homes and Destinations under Recurrent Mobility Patterns
该研究提出基于微观马尔可夫链方法的元种群模型，模拟家庭与目的地节点中复发移动模式下的SIS流行病动力学，推导阈值并经两类网络仿真验证，发现移动概率与阈值呈非线性关系，临界移动水平以上移动增加会抑制传播。
2025-03-18 physics.soc-ph
Tensor network dynamical message passing for epidemic models
Institute of Theoretical Physics, Chinese Academy of Sciences（中国科学院理论物理研究所）；School of Physical Sciences, University of Chinese Academy of Sciences（中国科学院大学物理科学学院）；School of Fundamental Physics and Mathematical Sciences, Hangzhou Institute for Advanced Study, UCAS（杭州高等研究院基础物理与数学学院，UCAS）；Beijing Academy of Quantum Information Sciences（北京量子信息科学研究院）
本文提出张量网络动态消息传递框架，通过易感诱导因子化理论，结合精确算法和近似算法，有效解决流行病模型预测中的效率与准确性权衡问题。
2026-02-06 cond-mat.stat-mech physics.soc-ph
Impact of presymptomatic transmission on epidemic spreading in contact networks: A dynamic message-passing analysis
包含症状前传播的传染病很难监测、建模、预测和遏制。我们解决这个问题，通过研究一个随机的可验证的暴露的感染恢复模型的任意网络实例使用的分析框架的基础上的动态消息传递的方法的变体。该框架提供了一个很好的估计的概率演化的传播的静态和接触网络，提供了显着提高的精度相对于个人为基础的平均场方法，同时需要一个更低的计算成本相比，数值模拟。它有助于推导出流行病阈值，这是相边界分离的参数制度，感染可以有效地控制，从那些他们不能。这些通过拓扑（减少接触）和感染参数变化（例如，社交距离及戴口罩），与最近的COVID-19疫情有关。
2021-05-06 cond-mat.dis-nn physics.soc-ph q-bio.PE
Epidemic spreading in localized environments with recurrent mobility patterns
流行病的传播在很大程度上取决于接触网络的结构，而接触网络的结构可能受到个人自身流动动态的影响。在封闭的情况下，一个封闭的小群体大部分时间都在局部环境中度过，并且具有容易识别的流动模式-例如工作场所、大学校园或学校-确定控制疾病传播速度的因素至关重要。在这里，我们提出了一个离散时间，基于集合种群的模型来描述发生在有限的情况下，个人的流动性不是随机的，而是遵循明确的经常性旅行模式的SIS样疾病的传播。该模型允许分析确定流行病的开始，以及辨别哪些接触结构最适合于防止感染传播的能力。因此，它决定了在这种情况下是否值得实施孤立的共同预防机制及其预期影响。
2018-04-04 physics.soc-ph q-bio.PE
Contagion-diffusion processes with recurrent mobility patterns of distinguishable agents
集合种群中传染扩散过程的分析是研究流动性如何影响传染病传播的有力理论工具。然而，许多集合种群的方法使用不可区分的代理，以减轻分析的困难。在这里，我们解决的影响，经常性的流动模式，和空间分布的可区分的代理人，在大城市地区的流行病的发展。我们将代理人的可区分的性质，关于他们的住所，和他们通常的目的地。所提出的模型允许快速计算流行病轨迹的时空模式和。流行阈值的分析计算。这个阈值被发现作为混合矩阵的频谱半径封装的住宅分布，和具体的通勤模式的代理。我们证明了不可区分的个人的简化高估了流行阈值的值。
2022-01-18 physics.soc-ph
Suppressing traffic-driven epidemic spreading by edge-removal strategies
近年来，复杂网络上的流量动态与传染病传播之间的相互作用越来越受到人们的关注。然而，控制交通驱动的传染病传播仍然是一个具有挑战性的问题。在这份简报中，我们提出了一种方法，通过适当地删除网络中的一些边缘来抑制流量驱动的流行病爆发。我们发现，可以通过有针对性地切割具有最大算法介数的大度节点或边之间的链接来提高流行阈值。相反，通过随机边缘去除，将降低流行阈值。这些发现是强大的交通流量条件，网络结构和路由策略。此外，我们发现，目标边缘的关闭可以有效地释放通过大度节点的流量负载，使这些节点的感染概率相对较低。
2015-02-28 cs.SI physics.soc-ph
A message passing approach for general epidemic models
在大多数疾病在接触网络上传播的模型中，假设单位时间内疾病传播和从疾病中恢复的概率是常数，这意味着传播和恢复的时间间隔是指数分布的。然而，真实疾病的时间间隔在大多数情况下具有远离指数的分布，这导致了与模型的定性和定量的不一致。在本文中，我们研究了一个广义版本的SIR（易感染-感染-恢复）模型的流行病，允许任意分布的传播和恢复时间。标准的微分方程方法不能用于这个广义模型，但我们表明，这个问题可以重新表述为一个时间相关的消息传递计算适当的接触网络。计算在树上是精确的（即，无环网络）或局部树状网络（例如随机图）。在非树状网络上，我们证明了计算给出了疾病爆发的大小的严格限制。我们证明了该方法与应用程序的两个特定的模型和结果相比，有利的数值模拟。
2010-07-22 cond-mat.stat-mech physics.soc-ph q-bio.PE
Disentangling epidemics and percolation
Aalto University（阿尔托大学）
本研究系统阐明了非复发性流行病模型映射到键渗流的适用条件，提出了同构、边际感染概率相等和预期规模相等三种等价形式，并通过数值验证确立了该方法的理论基础与局限。
2026-10-05 physics.soc-ph
A Polarized Temporal Network Model to Study the Spread of Recurrent Epidemic Diseases in a Partially Vaccinated Population
受COVID-19大规模爆发的启发，即使在疫苗接种率高的人群中也会发生，我们提出了一种新的多人群时间网络模型，用于研究复发性流行病的传播。我们研究了人类行为、检测和疫苗接种活动对控制当地疫情和感染流行的影响。我们的建模框架验证了疫苗在预防传播和严重症状发展方面的有效性。此外，该框架考虑了接种疫苗决定的两极分化效应，并捕捉了同质性，即，人们与志趣相投的人交往的倾向。通过平均场方法，我们解析地推导出流行阈值。我们的理论结果表明，虽然疫苗接种活动减轻了医院的压力，但它们可能会促进疫情的重新爆发，突出了检测活动在根除疾病方面可能发挥的关键作用。数值模拟，然后确认和扩展我们的理论研究结果，以更现实的情况。我们的数字和分析结果一致认为，如果不开展大规模的检测活动或依靠人口的责任，疫苗接种不足以实现完全根除。此外，我们表明，同质性在控制局部疫情中起着至关重要的作用，突出了两极分化的网络结构的危险。
2022-09-16 math.DS physics.soc-ph
Epidemic spreading in group-structured populations
该研究揭示群体结构相关性对流行病传播的影响，并通过优化宿舍分配实现疫情严重程度降低两到五倍。
2024-10-21 cs.SI physics.soc-ph
Infectious disease dynamics in metapopulations with heterogeneous transmission and recurrent mobility
人类流动、接触模式以及它们之间的相互作用是我们社会行为的关键方面，这些行为塑造了传染病在不同地区的传播。根据关于这两个要素的新证据和数据集，流行病模型应加以改进，以纳入人类接触的异质性和流动模式的复杂性。在这里，我们提出了一个理论框架，允许容纳这两个方面的一组马尔可夫方程的形式。我们验证这些方程与广泛的机械模拟，并推导出分析的流行阈值。这个临界值的表达使我们能够评估其对特定人口分布的依赖性，流动流的结构，以及接触模式的异质性，从而揭示了文献中报道的由经常性流动模式驱动的流行病损害的微观机制。
2021-07-23 physics.soc-ph q-bio.PE
Consequences of non-Markovian healing processes on epidemic models with recurrent infections on networks
本文研究非马尔可夫恢复过程对网络上反复感染模型的影响，通过引入多阶段感染仓室刻画Gamma分布恢复时间，解析和数值揭示了星形图与无标度网络上传染病寿命的标度规律及激活机制。
2024-10-02 physics.soc-ph
Relevance of backtracking paths in epidemic spreading on networks
网络上的流行病的理解大大受益于最近的应用程序的消息传递方法，它允许获得精确的结果不可逆的传播（即永久获得性免疫的疾病）在局部树拓扑结构。这一成功表明，可以将同样的方法应用于可逆转的流行病，因为个人可以感染流行病并反复康复。基本假设是回溯路径（即一个人被他/她以前感染的邻居再次感染）不起相关作用。在本文中，我们表明，这是不可逆的流行病的情况下，由于忽略回溯路径导致的流行病阈值的公式，是定性不正确的大尺寸限制。此外，我们定义了一个修改后的可逆动力学，明确禁止直接回溯事件，并表明这种修改完全打乱的现象。
2018-10-25 cond-mat.stat-mech cs.SI physics.soc-ph
Dynamics of epidemic models from cavity master equations
我们应用腔主方程（CME）方法的流行病模型。我们主要探讨易感-感染-易感（SIS）模型，它可以很容易地处理与CME作为一个两个状态。我们表明，这种方法比基于个体和基于配对的平均场方法以及之前发表的动态消息传递方案更准确。我们探索平均情况下的预测和扩展腔主方程SIR和SIRS模型。
2021-03-01 physics.soc-ph q-bio.PE
Impacts of bridging nodes on the epidemic activation mechanisms
Universidade Federal de Viçosa（维索萨联邦大学）；Universidade de São Paulo（圣保罗大学）；Instituto Federal Fluminense（弗鲁米嫩塞联邦学院）；National Institute of Science and Technology for Complex Systems（复杂系统科学与技术国家研究所）
研究桥接节点在流行病激活机制中的作用，通过添加度为2的桥接节点分析其对网络中hub间反馈交互的影响，发现桥接节点能改变流行病的局部激活机制。
2026-04-25 physics.soc-ph
Reducing Recurrent Competitive Epidemics via Dynamic Resource Allocation
Centre Borelli, ENS Paris-Saclay, CNRS（博雷利中心，巴黎萨克雷高等师范学院，法国国家科学研究中心）；School of Computer Science and Applied Mathematics, University of the Witwatersrand（威特沃特斯兰德大学计算机科学与应用数学学院）
本文提出gLRIE策略，通过动态资源分配减少社交网络中复发性竞争性流行病的传播。
2025-12-17 cs.SI math.OC physics.soc-ph
Unification of theoretical approaches for epidemic spreading on complex networks
复杂网络上的传染病传播模型因其在预测和控制现实世界中的传染病传播场景方面的成功而引起了物理、数学和流行病学研究者的极大关注。为了理解传染病传播和接触网络拓扑结构之间的相互作用，已经开发了几种杰出的理论方法。一个精确的理论方法描述的传播动力学必须同时考虑网络的拓扑结构和动力学相关性，以增加方程的复杂性为代价。在这个简短的调查中，我们统一了最广泛使用的复杂网络上的传染病传播的复杂性，包括平均场，异质平均场，淬火平均场，动态消息传递，链接渗透，成对近似的理论方法。我们在这些方法之间建立联系，为开发一种准确的理论方法来在复杂网络上传播动态提供新的见解。
2016-12-13 physics.soc-ph
Recurrent host mobility in spatial epidemics: beyond reaction-diffusion
人类流动是空间疾病动力学和相关现象的关键因素。在计算模型中，主机移动性通常通过空间扩散或元扩散网络来建模。或者，一个有效的力量，跨越距离的感染已被引入到捕捉空间扩散隐式。这两种方法都没有考虑到自然人类流动的重要方面，扩散并没有捕捉到自然人类流动模式的高度可预测性，例如，返回个人基地位置的高百分比，有效感染力方法假设传播立即平衡。这些条件在自然场景中通常不满足。我们研究了一个流行病学模型，明确捕捉自然的个人流动模式。我们系统地研究了一般的动力学特征的模型，定期晶格以及集合种群网络，并表明，一般的模型表现出显着的动力学差异相比，普通的扩散和有效力的感染模型。例如，自然人类流动模型表现出波前速度的饱和和一种新型的入侵阈值，该阈值是流动模式中返回率的函数。鉴于这些新的发现，并与精确和普及的数据人类流动的可用性，我们的方法提供了一个更复杂的空间疾病动力学建模的框架。
2011-06-17 cond-mat.stat-mech physics.soc-ph q-bio.PE
Contact-based model for epidemic spreading on temporal networks
我们提出了一个基于接触的模型，通过扩展的动态消息传递方法的时间网络来研究流行病的传播。从以节点为中心的量到以边缘为中心的量的视角的转变使得能够在时变树上精确地建模马尔可夫病毒感染恢复的爆发，即，具有无环底层拓扑的时态网络。在任意图形上，所提出的基于接触的模型结合了潜在的结构和时间的异质性的基础接触网络，并提高了分析估计相对于个人为基础的（以节点为中心）的方法在一个低的计算和概念成本。在这个新的框架下，我们推导出一个时间网络上的流行病阈值的解析表达式，并证明了这种方法的可行性的经验数据。
2019-04-05 physics.soc-ph
Message passing theory for percolation models on multiplex networks with link overlap
多重网络描述了大量的复杂系统，包括基础设施、交通网络和生物系统。这些网络中的大多数具有显著的链路重叠。因此，它是特别重要的是，在这些网络中的相互连接的巨组件的特征。在这里，我们提供了一个消息传递理论的特点，在多路复用网络的渗滤过渡与链接重叠和任意数量的层$M$。具体来说，我们提出并比较了两个消息传递算法，推广了广泛用于研究无链路重叠的多路网络中的渗流过渡的算法。第一种算法描述了定向渗透转变，并承认传染病传播解释。第二种算法描述了相互连接的巨分量的出现，即渗流转变，但不保留传染病传播的解释。在简单的典型情况下，我们得到了渗流和定向渗流相变的相图。我们证明，对于同一个多重网络结构，其中有向逾渗过渡有非平凡的三临界点，逾渗过渡有一个不连续的相变，除了平凡的情况下，其中所有的层完全重叠。
2016-08-03 cond-mat.dis-nn cond-mat.stat-mech physics.soc-ph
Comparison of theoretical approaches for epidemic processes with waning immunity in complex networks
免疫力减弱在网络上的基本流行病模型中的作用一直被低估，但对于真正的流行病爆发却具有明显的基础性。一个核心问题是，哪种平均场方法在描述流行病动态方面更准确。考虑网络上的SIRS传染病模型，解决了这个问题。两个成对的平均场论，一个基于经常性的动态消息传递（random）和其他对淬火平均场论（PQMF），进行了比较与广泛的随机模拟大型网络的不同层次的异质性。当免疫力衰减时间大于或等于恢复时间时，rqn在度分布为$P(k) \sim k^{-γ}$的幂律网络上的性能优于PQMF理论。特别是，对于$γ> 3$，在模拟中观察到的流行阈值是有限的，在定性协议与random，而PQMF导致一个渐近零阈值。在PQMF理论的情况下，$γ> 3$的临界流行病流行局限于有限的顶点集。与此相反，局部化发生在网络的一个subextensive分数在random理论。然而，模拟结果表明，本地化模式的实际流行病奠定了两个平均场论，和改进的理论方法是必要的理解SIRS动态。
2022-06-02 physics.soc-ph
Predicting the epidemic threshold of the susceptible-infected-recovered model
研究人员已经开发了几种预测流行阈值的理论方法，包括类平均场（MFL）方法，猝灭平均场（QMF）方法和动态消息传递（DIM）方法。当这些方法应用于预测流行阈值时，它们往往产生不同的结果，并且它们的相对准确度仍然未知。我们系统地分析了这两个问题-不同的结果和准确性水平之间的关系-通过研究不相关配置网络和一组56个真实世界的网络上的易感染恢复（SIR）模型。在不相关的组态网络中，MFL和QMF方法产生相同的预测，比QMF方法产生的预测更大，更准确。与56个真实网络相比，该方法得到的流行阈值更接近实际流行阈值，因为它包含了完整的网络拓扑信息和一些动态相关性。我们发现，在某些情况下-如网络与积极的度度相关性，与本地化的高$k$ -核心节点的特征向量，或具有高层次的聚类-的流行阈值预测的MFL方法，它使用的度分布作为唯一的输入参数，表现优于其他两种方法。我们还发现，这三个预测的性能是不规则的模块化。
2015-12-16 physics.soc-ph
Temporal prediction of epidemic patterns in community networks
以往关于复杂网络上流行病动力学的大多数研究都假设疾病最终会稳定在无病状态或地方病状态。然而，实际上，某些流行病在一个地区总是表现出零星和复发的行为，因为其他地方的地方病人群入侵。在本文中，我们解决了这个问题，并研究了一个网络上的两个社区，其中疾病是地方性的，但在另一个社区之间的交替爆发和预防的传染病模型。我们提供了一个详细的描述在后者社区的流行模式的时间动态。特别是，我们调查的爆发和灭绝的持续时间，两个连续的社区间感染的时间间隔，以及它们的频率分布。基于平均场论，我们从理论上分析了这三个时间尺度及其对每个社区的平均节点度、传播参数和社区间链接数的依赖关系，除了连续爆发之间重叠的概率太大之外，这与模拟结果吻合得很好。这些发现有助于我们更好地了解疾病在当地社区传播的突发性，从而提出有效的时间依赖性控制策略。
2013-11-17 cond-mat.stat-mech cs.SI physics.soc-ph
Predicting the speed of epidemics spreading on networks
全球运输和通信网络现在使信息、思想和传染病能够以远远超过历史上可能的速度传播。为了有效地监测、设计或干预这种类似传染病的过程，需要预测特定网络中特定传染病的速度，并区分在爆发期间迟早更有可能被感染的节点。在这里，我们使用消息传递方法来研究这些量，以获得简单有效的预测，这些预测在各种真实网络上的流行病模拟中得到了验证，并具有良好的一致性。除了对不同节点的个性化预测外，我们还发现，随着传染病的发展，整体突然从低密度过渡到几乎完全的网络饱和。我们的理论是在树状网络上的简单传染中发展和解释的，但我们也能够展示该方法如何很好地扩展到复杂的传染和高度聚集的网络。
2020-02-12 cond-mat.stat-mech physics.soc-ph q-bio.PE
A framework for epidemic spreading in multiplex networks of metapopulations
我们提出了一个理论框架，研究流行病的结构化集合种群，异质代理，经常性的流动模式。我们建议代表的异质性组成的集合种群层在一个多元化的网络，其中节点将对应于地理区域和层占同类代理的移动模式。我们在这个框架内分析了经典的易感-感染-易感和易感-感染-消除流行病模型，并通过广泛的蒙特卡罗模拟比较了传播过程的宏观和微观指标。我们的结果是在良好的协议与模拟。我们还推导出一个精确的表达的流行病阈值在这个一般的框架揭示了一个非平凡的依赖于流动性参数。最后，我们使用这种新的形式主义来解决疾病在真实城市中的传播，特别是在哥伦比亚麦德林市，其人口被划分为六个社会经济阶层，每个阶层都被确定为这种多元形式主义的一个层。
2018-02-12 physics.soc-ph q-bio.PE
Predicting epidemic outbreak from individual features of the spreaders
了解哪些个体可以更有效地在确定的环境中传播病原体是疾病控制中的一个基本问题。事实上，在过去的几年里，流行病的传播及其与相关系统拓扑结构的关系一直是复杂网络理论中反复出现的话题，同时考虑到网络模型和现实世界的数据。在本文中，我们探讨了传染病的异质性传播由易感染-感染-恢复（SIR）模型，和起源顶点的几个属性之间的可能的相关性，考虑Erdös-Rényi（ER），Barabási-Albert（BA）和随机几何图（RGG），以及一个真实的研究案例，美国航空运输网络，包括美国500个最繁忙的机场以及相互连接。最初，考虑到RGG网络，在其中，我们解析推导出的传播率的分布在已建立的联系人之间的表达式，通过假设这样的速率呈指数衰减的距离，分开的个人的异质性的传播实现。这样的分布也被认为是ER和BA模型，我们观察到拓扑效应的相关性。在机场网络的情况下，扩展率是根据经验定义的，假设与座位可用性成正比。在所考虑的理论网络和真实网络中，我们观察到总流行率与流行源的程度、强度和可及性之间存在高度相关性。然而，对于诸如介数中心性和$k$壳指数之类的属性，相关性取决于所考虑的拓扑。
2012-06-15 cs.SI physics.soc-ph q-bio.PE
Genotype networks drive oscillating endemicity and epidemic trajectories in viral evolution
University of Zaragoza（萨拉戈萨大学）；Institute of Biocomputation and Physics of Complex Systems (BIFI), University of Zaragoza（萨拉戈萨大学复杂系统生物计算与物理研究所 (BIFI)）；Universitat Rovira i Virgili（罗维拉-伊-维尔吉利大学）；Pacific Northwest National Laboratory（太平洋西北国家实验室）；University of Kobe（神户大学）
本研究提出生态进化框架，揭示基因型网络拓扑可驱动病毒流行状态转变，且整合H3N2流感基因型网络可估计单倍型出现时间，为基因组数据融入流行病预测模型提供支撑。
2025-06-03 physics.soc-ph q-bio.PE
Controlling contagious processes on temporal networks via adaptive rewiring
我们考虑时变网络上的经常性传染过程。作为一个控制程序，以减轻流行病，我们提出了一个自适应的重新布线机制，暂时隔离受感染的节点检测后。作为案例研究，我们调查了德国的生猪贸易网络。基于广泛的参数范围内的广泛的数值模拟，我们证明了适应机制导致的参数范围的显着扩展，其中大多数的索引节点（流行病的起源）导致消失的流行病。此外，相对于索引节点，自适应性能非常不均匀。我们量化的成功建议的适应计划依赖于感染期和检测时间。为了支持我们的研究结果，我们提出了一个平均场分析描述的问题。
2016-03-06 nlin.AO physics.soc-ph q-bio.QM
Space--time message passing for endemic diseases
Data Insights AI（数据洞察人工智能）；School of Computer Science, University of St Andrews（圣安德鲁斯大学计算机学院）
该研究提出时空消息传递方法，通过处理时空循环关联构建地方病状态闭合层次结构，所得地方病阈值精度随d增大而提升，在网络上与蒙特卡洛模拟吻合度极佳。
2026-08-11 physics.soc-ph
Social distancing strategies against disease spreading
传染病的反复发生及其对社会的影响日益严重，促使人们研究减缓传染病传播的策略。本文综述了逾渗理论在描述复杂网络上对抗传染病传播的策略中的应用。本文对链接渗流与传染-恢复模型的关系进行了概述，并引入节点空隙渗流过程来描述由健康个体组成的网络（$i.e$）的稀释过程，该网络是维持社会功能的网络。然后，我们调查了两种策略：淬火无序策略，其中在社会中诱导接触强度的异质性分布，以及间歇性社会距离策略，其中健康个体被说服避免与他们的邻居接触间歇性的时间。使用渗流工具，我们表明，这两种策略可以阻止传染病传播。最后，我们讨论了传染率，$i.e$，传播疾病的有效概率，对性能的策略，以减缓传染病传播的作用。
2013-08-09 physics.soc-ph q-bio.PE
Inferring origin-destination distribution of agent transfer in a complex network using deep gated recurrent units
预测代理换乘的OD概率分布是管理复杂系统的重要问题。然而，相关的统计估计的预测精度遭受欠确定。虽然已经提出了一些具体的技术来克服这一缺陷，但仍然缺乏一种通用的方法。在这里，我们提出了一个具有门控递归单元的深度神经网络框架（DNNGRU）来解决这一差距。我们的DNNGRU是\emph{network-free}，因为它是通过监督学习训练的，时间序列数据是关于通过边缘的代理的数量。我们用它来研究网络拓扑结构如何影响OD预测精度，其中观察到的性能增强取决于不同OD所采取的路径之间的重叠程度。通过与给出精确结果的方法进行比较，我们证明了DNNGRU的接近最佳性能，我们发现在不同的数据生成场景下，DNNGRU的性能始终优于现有方法和替代神经网络架构。
2022-07-27 physics.soc-ph
Approximating nonbacktracking centrality and localization phenomena in large networks
消息传递理论已被证明是研究现实世界网络中的渗流，非复发性流行病和类似动力学过程的宝贵工具。消息传递方法的核心是非回溯矩阵，它的最大特征值、相应的特征向量和密切相关的非回溯中心性在确定给定的动力学模型的行为方面起着核心作用。在这里，我们提出了一个基于度类的方法来近似这些数量使用一个较小的矩阵相关的联合度度分布的相邻节点。我们的研究结果表明，在大多数网络中，最近邻之外的度-度相关性实际上并不强，我们的一阶描述已经得到了准确的估计，特别是当消息传递本身是对原始模型的良好近似时，也就是当网络中的短周期数量足够低时。我们发现，本地化的nonbacktracking中心也被我们的计划，特别是在大型网络。我们的方法提供了一种替代方案，在非常大的网络中，这可能是不可能的，由于内存的限制与完整的非回溯矩阵。
2021-11-24 physics.soc-ph
Propagation dynamics on networks featuring complex topologies
近年来，随机网络传播现象的解析描述蓬勃发展，然而更多的复杂系统主要通过数值方法进行研究。在本文中，一个平均场描述是用来相干耦合的网络元素（节点，顶点，个人…）的动态。一方面和他们的经常性拓扑模式（子图，群.）另一方面，在具有社团结构的社交网络上的SIS传染病传播模型中，该方法给出了系统时间演化的常微分方程组，以及传染病阈值和平衡点的解析解.所得结果与数值模拟结果非常一致，并在适当的范围内再现了随机网络行为，突出了拓扑结构对过程的影响。最后，它表明，我们的模型预测更高的流行病阈值的聚类结构比等价的随机拓扑结构的情况下，网络的零度相关性。
2010-10-07 cond-mat.stat-mech physics.soc-ph q-bio.PE
Cumulative Merging Percolation: A long-range percolation process in networks
本文提出了长程渗流过程CMP的更一般表述，通过簇相互作用范围的函数形式揭示了不同机制竞争导致的交叉现象等更丰富的相变场景，并得到数值模拟验证。
2024-04-30 cond-mat.stat-mech cs.SI physics.soc-ph
Vital nodes identification in complex networks
真实的网络具有异构性，节点在结构和功能上扮演着不同的角色。关键节点的识别对于控制流行病的爆发、为电子商务产品做广告、预测流行的科学出版物等都具有重要的意义。关键节点的识别越来越受到计算机科学和物理界的关注，其算法从简单的近邻计数到复杂的机器学习和消息传递方法。在这篇综述中，我们澄清了概念和指标，分类的问题和方法，以及审查的重要进展，并描述了最先进的状态。此外，我们提供了广泛的实证分析，比较知名的方法在不同的真实网络，并强调未来的发展方向。尽管强调基于物理学的方法，但语言的统一和跨领域方法的比较将在不久的将来引发跨学科的解决方案。
2016-07-05 cs.SI physics.soc-ph
PECAIQR: A Model for Infectious Disease Applied to the Covid-19 Epidemic
新型冠状病毒肺炎（COVID-19，即2019冠状病毒病）疫情表明，有必要改进现代多元时间序列预测模型。目前对未来每日死亡的预测，特别是医院资源使用的预测，置信区间太宽，令人无法接受。政策制定者和医院需要准确的预测，以便在通过立法和分配资源方面做出明智的决定。我们使用美国县级每日死亡数据和人口统计数据来预测未来的死亡人数。我们将SIR流行病学模型扩展到一个新的模型，我们称之为PECAIQR模型。它增加了几个新的变量和参数，天真的SIR模型，考虑到在美国实施的部分recrutining的后果。我们用数值积分将数据拟合到模型参数。由于参数空间中的拟合退化和参数的非常数性质，我们开发了几种方法来优化我们的拟合，例如在数据尾部进行训练和在特定政策制度上进行训练。我们使用交叉验证来调整县级的超参数，并为未来的每日死亡人数生成CDF。对于截至5月25日的训练数据进行的预测，我们在14天的预测中始终获得了0.096的平均弹球损失分数。最后，我们提出了从我们的模型的效用的可能途径的例子。我们在过去的各个1个月窗口中生成更长的时间范围预测，预测各县需要多少医疗资源，如呼吸机和ICU病床，并评估我们的模型在其他国家的有效性。
2020-06-17 cs.LG physics.soc-ph q-bio.PE
Cascade Size Distributions: Why They Matter and How to Compute Them Efficiently
Harvard T.H. Chan School of Public Health（哈佛陈曾熙公共卫生学院）；Harvard Medical School（哈佛医学院）
级联模型是理解、预测和控制流行病传播和信息传播的核心。相关的优化，包括影响力最大化、模型参数推断或疫苗接种策略的开发，在很大程度上依赖于从模型中采样。这要么是低效的，要么是不准确的。作为替代方案，我们提出了一个有效的消息传递算法，计算加权有向网络和推广的独立级联模型的级联大小的概率分布。我们的方法是精确的树，但可以应用于任何网络拓扑结构。它很好地近似了局部树状网络，可以扩展到大型网络，并且可以在更密集的网络上获得令人惊讶的良好性能，因为我们也可以在真实世界的数据上进行扩展。
2020-12-16 cs.AI cs.SI physics.soc-ph
High prevalence regimes in the pair quenched mean-field theory for the susceptible-infected-susceptible model on networks
两两动力学关联的计算大大提高了平均场论的精度，在复杂网络动力学过程的研究中起着重要的作用。在这项工作中，我们进行了非微扰的数值分析的淬火平均场论（QMF）和动力学相关的包含通过对淬火平均场（PQMF）理论的合成和真实的网络上的易感染的易感（SIS）模型。我们发现，PQMF大大优于标准QMF的不同层次的异质性和程度的相关性的合成网络，提供非常准确的预测时，系统是不是太接近流行病的阈值，而QMF理论大大偏离模拟的网络度指数$γ>2.5$。真实网络的情况更加复杂，但PQMF的性能仍然明显优于QMF理论。然而，尽管大多数研究网络的精度很高，但在少数情况下，PQMF与模拟的偏差是不可忽略的。我们发现准确性和平均最短路径之间的相关性，而其他基本的网络指标似乎与理论准确性无关。我们的研究结果表明，PQMF理论的可行性，以调查高流行率制度的复发状态的流行病过程的网络，制度的高适用性。
2020-06-04 physics.soc-ph
