统一复杂动力学中的成对交互作用
Unifying Pairwise Interactions in Complex Dynamics
AI总结：
该研究构建了包含237个成对交互统计量的开源库，在1053个时间序列上评估其行为，揭示了不同数学公式的共性，并通过案例表明整合多样方法能发现最适合解决特定问题的技术。
摘要：
科学家们已经开发出数百种技术来测量复杂系统中过程对之间的交互作用。但是这些计算方法，从相关系数到因果推断，依赖于截然不同且在很大程度上互不关联的定量理论。在此，我们引入了一个包含237个成对交互作用统计量的库，并在来自广泛的真实世界和模型生成系统的1053个多变量时间序列上评估了它们的行为。我们的分析突出了不同数学公式之间的新共性，为丰富的跨学科文献提供了一幅统一的图景。然后，使用三个真实世界的案例研究，我们表明同时利用科学界的各种方法可以发现最适合解决给定问题的方法，从而对驱动成功性能的成对依赖关系的概念公式产生可解释的理解。我们的框架以可扩展的开源软件提供，通过整合数十年的方法学进展来实现全面的数据驱动分析。
英文摘要：
Scientists have developed hundreds of techniques to measure the interactions between pairs of processes in complex systems. But these computational methods, from correlation coefficients to causal inference, rely on distinct quantitative theories that remain largely disconnected. Here we introduce a library of 237 statistics of pairwise interactions and assess their behavior on 1053 multivariate time series from a wide range of real-world and model-generated systems. Our analysis highlights new commonalities between different mathematical formulations, providing a unified picture of a rich interdisciplinary literature. Using three real-world case studies, we then show that simultaneously leveraging diverse methods from across science can uncover those most suitable for addressing a given problem, yielding interpretable understanding of the conceptual formulations of pairwise dependence that drive successful performance. Our framework is provided in extendable open software, enabling comprehensive data-driven analysis by integrating decades of methodological advances.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
