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
Statistical inference framework for source detection of contagion processes on arbitrary network structures
在本文中，我们介绍了一个统计推断框架，估计传染源的部分观察到的传染传播过程中的任意网络结构。该框架是基于最大似然估计的部分流行病实现，并涉及大规模模拟的传染病传播过程的一组潜在的源位置。我们提出了一些不同的似然估计，用于确定与观察部分流行病实现特定的源位置候选人的条件概率。这个统计推断框架也适用于网络上的任意隔室传染扩散过程。我们比较了估计精度的这些方法在一些计算实验与SIR（易感染-感染-恢复），SI（易感染）和ISS（易感染-传播-扼杀）传染扩散模型合成和现实世界的复杂网络。
2013-03-29 cs.SI physics.soc-ph
A generating-function approach to modelling complex contagion on clustered networks with multi-type branching processes
了解复杂网络拓扑上的级联过程对于疾病、信息、假新闻和其他媒体如何传播的建模至关重要。本文推广了Keating等人提出的多型分支过程方法，2022，它依赖于同质网络属性，更一般的集群网络类。使用模型的社会启发的复杂传染，我们得到的结果，不仅是平均行为的级联，但级联属性的全部分布。我们介绍了一种新的方法，反演概率生成函数，以恢复其潜在的概率分布，这种推导自然延伸到更高的维度。这种反演技术与多类型的分支过程一起使用，以获得级联特性的单变量和双变量分布。最后，使用团覆盖方法，我们将该方法应用于合成和现实世界的网络和比较广泛的数值模拟的结果的级联大小的理论分布。
2022-12-01 physics.soc-ph
Contagion processes on urban bus networks in Indian cities
公共汽车运输被认为是印度城市最方便，最便宜的公共交通方式之一。由于其成本效益和广泛的可达性，它们每天帮助城市中的很大一部分人口到达目的地。虽然从交通的角度来看，它们比其他公共交通方式有许多优点，但它们也构成了传染病在整个城市传播的严重威胁。由于存在许多地方性的空间限制，传染病传播的过程和程度极难预测。此外，大多数研究都集中在无标度网络拓扑结构上的传染过程，而空间受限的现实世界的网络，如总线网络，表现出广泛的网络拓扑结构。因此，我们的目标是在这项研究中，了解这一复杂的动态过程中的流行病爆发和信息扩散的公交网络上的六个不同的印度城市使用SI和SIR模型。这将使我们能够确定这些网络的流行阈值，这将有助于我们通过开发基于节点的免疫技术来控制疫情。
2016-05-19 physics.soc-ph
Direct, physically-motivated derivation of the contagion condition for spreading processes on generalized random networks
对于一个广泛的单种子传染过程作用于广义随机网络，我们得到了一个统一的分析表达式的可能性，全球传播的事件在一个简单的，物理直观的方式。我们的推理揭示了一个直接的机械理解的原型传播现象是不明显的迂回现存的数学方法。
2011-05-16 cond-mat.dis-nn cs.SI physics.soc-ph
Double transitions and hysteresis in heterogeneous contagion processes
在许多现实世界的传染现象中，接触传播实体以供收养的数量因个人而异。因此，我们研究了具有异质采纳阈值的传染动力学模型。我们推导出平均场方程的分数采用节点，并获得相图的传输概率和分数的节点需要多个接触采用。我们发现，由于采用阈值的异质性，采用节点的比例存在双重相变，表现出连续的转变和随后的不连续跳跃。此外，我们观察到的滞后曲线，在所采用的节点的分数，由于在网络中的密集连接的核心采用的节点。
2021-09-23 cond-mat.stat-mech physics.soc-ph
Phase transitions in contagion processes mediated by recurrent mobility patterns
人类流动和活动模式在许多层面上介导传染，包括传染病的空间传播、谣言的传播和共识的出现。然而，这些模式往往是由特定的位置和经常性的流动和不良的随机扩散动力学模型通常用于研究它们。在这里，我们开发了一个理论框架来分析在一个网络的位置，个人回忆他们的地理起源的传染。我们发现了一个相变之间的制度，其中的传染病影响了大部分的系统，其中只有一小部分受到影响。由于传染过程的随机特征，这种转变不能被连续确定性模型所揭示，并定义了一个依赖于流动性参数的入侵阈值，为通过约束流动性过程来控制传染蔓延提供了指导。我们恢复阈值行为，通过分析介导的扩散过程，真实的人类通勤数据。
2011-03-24 cond-mat.stat-mech physics.soc-ph q-bio.PE
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。
2015-07-29 cs.SI math.DS nlin.AO
Unveiling the impact of cross-order hyperdegree correlations in contagion processes on hypergraphs
Network Science Institute, Northeastern University London（东北大学伦敦网络科学研究所）；Department of Network and Data Science, Central European University（中欧大学网络与数据科学系）；Department of Mathematics, Northeastern University（东北大学数学系）
提出有效超度模型（EHDM）研究超图上的SIS传播动力学，发现跨阶度相关性（如节点在成对与高阶交互中的枢纽一致性）会改变传播阈值和最优控制策略。
2026-06-16 physics.soc-ph
Competition and dual users in complex contagion processes
我们研究了两个传播实体的竞争，例如创新，在复杂的网络中的复杂传染过程。我们开发了一个分析框架，并研究双重用户的作用，即代理使用这两种技术。寻找新的创新的传播过渡和灭绝过渡的一个预先存在的，我们确定不同的阶段取决于网络的平均程度，流行的预先存在的技术，和阈值的传染过程。与现有技术的竞争有效地抑制了新创新的传播，但它也允许共存的阶段。双重用户的存在在很大程度上改变了瞬态动态，创造了新的阶段，促进了新创新的传播和原有创新的消亡。它使新的创新能够在全球范围内传播，即使旧的创新具有先发优势。
2018-11-29 cond-mat.stat-mech physics.soc-ph
Terrorism: Mechanisms of Radicalization Processes, Control of Contagion and Counter-Terrorist Measures
激进意识形态的传播是狂热、招募和恐怖活动的关键。因此，防止此类活动需要能够在灾难性恐怖行为发生之前确定地区和代理人的预测模型。在本文中，我们开发了一个模型，通过几个中间阶段的个人捕捉激进化机制。我们提出了一个激进化的机制，使用基于个人的方法构建的传染病模型。我们的模型建立在理论流行病学中使用的传染模型的基础上，并需要一种机制，通过识别可疑的个人并监控他们，并在必要时采取行动，来控制激进意识形态在社会空间网络上的传播。我们展示了我们的模型如何能够打击恐怖主义网络的发展，即使目标恐怖主义网络的信息有限。
2010-05-24 physics.pop-ph physics.soc-ph
Simplicially driven simple contagion
已知单一传染过程显示从低传染率的无寄生虫阶段到传染率超过临界阈值的流行状态的连续过渡。当两个简单的传染过程以双向对称的方式耦合时，这种过渡可以变得不连续。然而，在许多情况下，耦合是不对称的，并且过程可以具有不同的性质。例如，不戴口罩或参加大型聚会等危险的社会行为可能影响疾病的传播，而通过社会强化机制对这些行为的采用动态更好地由复杂的传染模型来描述，而不是简单的传染范式，后者更适合疾病传播现象。受这个例子的启发，我们考虑一个简单的传染（描述一种行为的采用），它单向地驱动一个简单的传染（描述一种疾病的传播）。我们发现，在一个临界驱动强度以上，这种驱动的简单传染可以表现出不连续的过渡和双稳定性，而不是在标准的简单传染。我们提供了一个平均场的分析描述的系统的相图，并补充与马尔可夫链模拟的结果。我们的研究结果提供了一个新的途径，一个简单的传染过程，以显示高阶传染的现象，通过驱动机制，可能是隐藏的或不可观察的，在许多实际情况下。
2023-01-26 cs.SI physics.soc-ph
Controlling Contagion Processes in Time-Varying Networks
绝大多数的策略，旨在控制网络上的传染过程，认为系统的连接模式，淬火或退火。然而，在现实世界中，许多网络是高度动态的，并在传染过程中同时进化。在这里，我们推导出一个分析框架，专门为时变网络设计的控制策略的研究。我们考虑删除/免疫的个别节点根据他们在网络中的活动，并开发一个块变量的平均场方法，允许推导方程描述的传染过程的演变，同时网络动态。我们推导出临界免疫阈值，并评估控制策略的有效性。最后，我们通过数值模拟合成网络和大规模真实世界移动电话呼叫数据集中的信息传播过程和控制策略来验证理论图
2013-09-26 cs.SI physics.soc-ph q-bio.PE
A multi-type branching process method for modelling complex contagion on clustered networks
复杂的传染采用动态的特点是一个节点更有可能采用后，多个网络邻居已经通过。我们展示了如何构建多类型的分支过程，以近似复杂的传染采用动态网络与基于聚类。这涉及到通过不同类别的团基序来跟踪级联的演变，这些团基序说明了不同数量的活动节点、非活动节点和移除节点。这种离散时间模型假设活动节点在下一个时间步中立即被删除。这种描述允许进行广泛的蒙特卡罗模拟（比基于网络的模拟更快）、级联尺寸的精确分析计算、临界行为的确定和其他感兴趣的量。
2022-01-18 physics.soc-ph
Contagions in Social Networks: Effects of Monophilic Contagion, Friendship Paradox and Reactive Networks
我们考虑SIS传染过程的网络，一个经典的假设是，个人的决定，采取传染的基础上，他们的近邻。然而，最近的文献表明，一些属性之间的相关性更两跳邻居，一个概念称为单态。这促使我们探索单亲性传染，即通过考虑两跳邻居而不是直接邻居来采用传染（例如产品，疾病）的情况（例如，你向你的朋友询问新iPhone，她向你推荐她的一个朋友的意见）。我们发现，友谊悖论的现象使它更容易为独恋传染广泛传播。我们还考虑的情况下，潜在的网络随机演化的状态的传染（例如，根据流感病毒的严重程度，人们限制他们与他人的互动，以避免被感染），并表明，这样一个过程的动态可以近似为一个微分方程的轨迹满足代数约束限制它的流形。我们的研究结果揭示了图论的后果如何影响传染，并提供了简单的确定性模型来近似随机图过程的传染的集体动力学。
2018-10-13 cs.SI physics.soc-ph
The effect of heterogeneity on hypergraph contagion models
网络社会传染过程的动力学，如意见形成和传染病传播往往是由多个节点之间的相互作用介导的。先前的研究结果表明，这些高阶相互作用可以深刻地改变传染过程的动力学，导致双稳态，滞后和爆炸性转变。在本文中，我们提出并分析了超图，即具有高阶相互作用的网络上的SIS模型的动态的基于超度的平均场描述，并以超图为例说明其适用性，其中传染由链接（成对相互作用）和三角形（三方相互作用）介导。我们考虑各种模型的链接和三角形结构的组织，以及不同的机制，高阶传染和愈合。我们发现，爆炸性的转变可以抑制的异质性的链接度分布，当链接和三角形是独立选择的，或当链接和三角形连接是正相关的，相比不相关的情况下。我们验证了这些结果与微观模拟的传染过程和来自平均场模型的分析预测。我们的研究结果表明，高阶相互作用的结构可以有重要的影响超图上的传染过程。
2020-10-06 math.DS physics.soc-ph
Social Bubbles and Superspreaders: Source Identification for Contagion Processes on Hypertrees
以前的工作已经表明，对于扩展的星状网（只有一个节点的度> 2的树）上的传染过程，有一个简单的，封闭形式的表达式，高度精确的近似最大似然感染源。在这里，我们将这一结果推广到一类超树，虽然在结构上有点类似，但提供了更丰富的表示空间。特别是，这种方法可以用来估计零患者来源，即使感染是通过大型群体聚集而不是人与人之间的传播，以及当它通过相互关联的社会泡沫传播时，重叠程度不同。在接触者追踪背景下，该估计器可用于识别本地爆发的来源，然后可用于向前追踪或进一步向后追踪（通过类似或其他手段）到上游来源。
2020-10-21 eess.SP physics.soc-ph
Extended Persistent Homology Distinguishes Simple and Complex Contagions with High Accuracy
本文提出利用拓扑数据分析工具扩展持久同调（EPH）分析网络传染过程，有效区分简单与复杂传染并预测其参数，在多种信息约束下取得高预测性能，为网络优化与推断提供了新方法。
2025-05-02 cs.SI math.AT physics.soc-ph
A triadic approximation reveals the role of interaction overlap on the spread of complex contagions on higher-order networks
本文提出超越节点和对近似的三元平均场模型，揭示二体与三体相互作用的重叠程度如何影响复杂传染阈值与暴发规模。
2024-02-06 physics.soc-ph
Homophily and Contagion Are Generically Confounded in Observational Social Network Studies
我们认为社交网络上的过程可能涉及三个因素：同质性，或由于匹配的个人特征而形成的社会联系;社会传染，也称为社会影响;以及个人协变量对他们的行为或其他可测量的反应的因果影响。我们表明，一般来说，所有这些都是相互混淆。将它们彼此区分需要对社会过程的参数化或所用协变量的充分性（或两者）进行强有力的假设。特别是，我们证明，用简单的例子，在回归系数的不对称性不能识别因果关系的影响，非常简单的模仿模型（一种形式的社会传染）可以产生一个人的持久性状和他们的选择之间的实质性的相关性，即使它们之间没有内在的亲和力。我们还提出了一些可能的建设性的回应这些结果。
2010-11-30 cs.SI physics.data-an physics.soc-ph
Simplicial models of social contagion
复杂网络已成功地用于描述疾病在相互作用的个体群体中的传播。相反，成对的互动往往不足以描述社会传染过程，如意见形成或采用新事物，其中复杂的影响和强化机制正在发挥作用。在这里，我们介绍了一个高阶模型的社会传染，其中一个社会系统是由一个单纯的复杂和传染可以发生在不同规模的群体之间的相互作用。对经验和合成单纯形复合物模型的数值模拟突出了新现象的出现，如高阶相互作用引起的不连续过渡。我们分析表明，过渡是不连续的，一个健康的和地方病的国家共存的地方出现的区域。我们的研究结果有助于解释为什么临界质量需要启动社会变革，并有助于理解在复杂系统的高阶相互作用。
2019-05-03 physics.soc-ph
Adaptive behaviors neutralize bistable explosive transitions in higher-order contagion
Aix Marseille Univ, Université de Toulon, CNRS, CPT, Turing Center for Living Systems（艾克斯-马赛大学，土伦大学，法国国家科学研究中心，理论物理中心，图灵生命系统中心）；Department of Network and Data Science, Central European University（中欧大学网络与数据科学系）；National Laboratory for Health Security, HUN-REN Rényi Institute of Mathematics（匈牙利-REN雷尼数学研究所健康安全国家实验室）
研究自适应行为对高阶传染过程的影响，发现其能抑制双稳现象，将高阶传染过程转化为类似二元传染的过程。
2026-01-09 cs.SI nlin.AO physics.soc-ph
Social contagion on higher-order structures
在本章中，我们讨论了高阶结构对社会传染的SIS样过程的影响。在简要的动机介绍之后，我们说明了网络上的标准SIS过程以及简单和复杂传染之间的区别，我们介绍了高阶结构上的传播过程，从超图上最一般的公式开始，然后转向几种平均场和异质平均场方法。结果突出了考虑高阶传染效应所带来的丰富现象学：观察到连续和不连续的转变，并出现临界质量效应。最后，我们对流行病转变的性质和验证这些模型的数据的一般需求的理论结果进行了简短的讨论。
2021-03-05 cs.SI physics.soc-ph
Fundamental properties of cooperative contagion processes
我们研究了在宿主人群中传播和持续的传染过程之间的协同效应。我们提出并分析了一个动态模型，在该模型中，受一个传染性代理$A$的个人表现出高于基线的倾向，受到第二代理$B$，反之亦然。该模型是传统的SIS（易感-感染-易感）模型用于建模单传染过程的自然扩展。我们表明，协同性改变了系统的动力学相当强的协同性时。该系统表现出不连续的相变中没有观察到的单剂传染，多稳定性，一个分离的传统的流行病阈值为不同的阈值开始和灭绝以及滞后。这些属性是强大的，并证实了随机模拟格和通用网络拓扑结构。最后，我们调查波的传播和瞬态的空间扩展版本的模型，并表明，特别是对于中间值的基线再现比的系统的特点是由各种类型的波前速度。该系统可以表现出空间异构的一些参数和负的波前速度（后退波前）的定态。两个代理模型可以作为一个起点，更复杂的传染过程，涉及几个相互作用的代理，一个模型框架，特别适合于模拟宿主种群中的微生物生态系统的传播和动态。
2017-03-20 cond-mat.stat-mech physics.bio-ph physics.soc-ph
Dynamical influence processes on networks: General theory and applications to social contagion
我们研究二进制状态动力学的网络中，每个节点的行为，以响应其邻域的平均状态。在网络和节点响应中允许不同数量的随机性，我们发现模型的随机和确定性版本有不同的结果。然而，在一个大的，密集的网络的限制，我们表明，这些动态一致。我们构建了一个一般的平均场论随机网络，并表明这预测网络上的动态是一个平滑版本的平均响应函数动态。因此，系统的行为可以从稳态到混沌，这取决于响应函数、网络连通性和更新同步性。作为一个具体的例子，我们模拟模仿和不一致的竞争趋势，将一个阈值外的标准阈值模型的社会传染。通过这种方式，我们试图捕捉时尚和社会趋势的重要方面。我们将我们的理论与泊松随机图上的“有限模仿传染”模型的广泛模拟进行比较，发现平均场论和随机模拟之间存在一致性。
2014-07-07 cs.SI physics.soc-ph
Direct, physically motivated derivation of triggering probabilities for spreading processes on generalized random networks
我们推导出一个一般表达式的概率全球传播开始从一个单一的感染种子的传染过程作用于广义的，相关的随机网络。我们采用了一个简单的概率参数，编码的扩散机制在一个直观的，物理的方式。我们使用我们的方法，直接和系统地获得触发概率的传染过程的随机网络家庭，包括二分随机网络的集合。我们发现的传染条件，相变到地方病状态的位置，从无病状态的扩展。
2015-06-30 cond-mat.dis-nn physics.soc-ph
Dose-response functions and surrogate models for exploring social contagion in the Copenhagen Networks Study
网络上的传播动力学和复杂传染过程是复杂人类和自然系统中出现临界转变、临界点和其他非线性现象的重要机制。现在，越来越多的时间网络数据可用于研究行为、观点、想法、疾病和创新的传播过程，以检验有关其特定属性的假设。为此，我们在这里提出了一种基于剂量反应函数和假设检验的方法，使用替代数据模型，随机化的经验数据的大部分方面，同时保存某些结构相关的传染，群体或同质性动态。我们证明了这种方法的合成时间网络数据的传播过程中产生的自适应选民模型。此外，我们将其应用于哥本哈根网络研究的经验时间网络数据。该数据集提供了数百名大学生在三个月内参与研究的身体密切接触网络。我们研究的潜在传播动态的健康相关的行为“定期去健身工作室”在这个网络上。基于替代数据模型的层次结构，我们发现，我们的方法既没有提供显着的证据，在这个数据集中的剂量反应型网络传播过程的影响，也没有显着的证据同质性。运动行为的实证动力学可能更好地描述了个人的特点，如对行为的处置，并保持它的持久性，以及影响整个群体的外部影响，和非平凡的网络结构。所提出的方法是通用的，也有前途的应用程序，其他时间网络数据集和感兴趣的特点。
2021-09-06 physics.soc-ph
Emergence of simple and complex contagion dynamics from weighted belief networks
提出交互信念模型，阐明简单与复杂传染动力学如何从认知机制中有机涌现，揭示复杂传染的抵抗机制源于认知过程。
2024-04-29 cs.SI physics.soc-ph
Loops, not groups: Long cycles are responsible for discontinuous phase transitions in higher-order network contagions
Vermont Complex Systems Institute, University of Vermont（佛蒙特大学复杂系统研究所）；Department of Computer Science, University of Vermont（佛蒙特大学计算机科学系）；Santa Fe Institute（圣塔菲研究所）
本文研究了在集群网络上的复杂传染分支过程模型中引入高阶效应的自洽方法，发现长周期是导致全球级联规模不连续相变的关键因素。
2026-06-26 physics.soc-ph
Contagion in simplicial complexes
信息在社会、生物和技术系统中的传播是其动态行为的关键组成部分。当仅限于两两相互作用时，我们就可以很好地把握这些传播过程的相关参数和关键转变，最明显的是大流行转变，它表明了传播覆盖网络的大部分的条件。挑战在于，在许多相关应用中，传播是由高阶关系驱动的，其中几个组件经历组交互。为了解决这个问题，我们分析了在一个单纯的复杂环境中的传播动力学，旨在捕捉不同订单的相互作用的共存。我们发现，虽然成对的相互作用在传播的初始阶段发挥了关键作用，一旦它获得覆盖，高阶单形接管并驱动传染动力学。其结果是一个独特的传播相图，展示了一个不连续的大流行转变，因此提供了一个定性的偏离传统的网络传播动力学。
2021-07-07 physics.soc-ph
Temporal Gillespie algorithm: Fast simulation of contagion processes on time-varying networks
随机模拟是分析复杂网络动态过程的基石之一，也是探索其行为的唯一途径。快速算法的发展是至关重要的，以允许大规模的模拟。Gillespie算法可用于快速模拟随机过程，其变体已被应用于模拟静态网络上的动态过程。然而，它的适应时间网络仍然是不平凡的。我们在这里提出了一个时间Gillespie算法，解决了这个问题。我们的方法是适用于一般泊松（恒定速率）过程的时间网络，随机精确，和多个数量级的速度比传统的模拟方案的基础上拒绝采样。我们还展示了如何可以扩展到模拟非马尔可夫过程。该算法是很容易适用于在实践中，作为一个例子，我们详细介绍了如何模拟泊松和非马尔可夫模型的流行病传播。也就是说，我们提供了伪代码及其在C++中的实现，用于模拟范例的易感-感染-易感和易感-感染-感染模型以及具有非恒定恢复率的易感-感染-感染模型。对于经验网络，时间Gillespie算法通常比拒绝采样快10到100倍。
2015-10-26 physics.soc-ph q-bio.QM
Contagion dynamics on adaptive multiplex networks with awareness-dependent rewiring
在这篇文章中，我们开发了一个高度集成的有效程度的方法来建模流行病和意识传播过程中的多重网络加上意识依赖自适应重新布线。这种方法跟踪个人每个状态中最近邻居的数量;因此，它允许将本地联系人的变化整合到多重网络模型中。我们推导出一个公式的阈值条件的传染病爆发，也，我们提供了一个下限的阈值参数，以指示自适应重新布线的效果。阈值分析证实了广泛的模拟。我们的研究结果表明，意识依赖的链路重新布线在提高传播阈值以及降低流行病流行率方面起着重要作用。此外，据透露，加强宣传传播与加强链接重新布线作出更大的贡献，疾病的预防和控制。此外，临界现象中观察到的依赖性的流行阈值的意识扩散率，支持元临界点以前在文献中报道的。这项工作可能有助于理解适应性网络上流行病动态和社会传染之间的相互作用。
2021-02-02 physics.soc-ph
Simplicial Activity Driven Model
许多复杂系统可以用网络来表示：由元素（节点）的成对相互作用（链接）构成的结构。然而，对于许多生物和社会系统，基本相互作用涉及两个以上的元素，单纯复形更适合描述这种现象。此外，这些相互作用往往随着时间的推移而变化。在这里，我们提出了一个框架来模拟这样的演变：简单的活动驱动（SAD）模型，其中的构建块是一个单纯的节点代表一个多智能体的相互作用。我们分析和数值表明，使用单纯结构导致的结果的范式过程建模疾病传播或社会传染的关键差异，相对于活动驱动（AD）模型，一个范式的时间网络模型，只涉及二进制的相互作用。特别是，参与相互作用的节点数量的波动会影响简单传染过程模型的结果，这与AD模型中发生的情况相反。此外，社会传染模型，如级联过程，提出了一个更丰富的现象学，可以变得非常缓慢时，发生在不断发展的单纯复合体。
2018-10-09 physics.soc-ph
A Polya Contagion Model for Networks
研究了一个基于经典Polya瓮方案的网络传染病模型.时间传染过程中产生的网络节点使用修改后的Polya抽样方案，占相邻节点之间的空间感染。分析了网络传染过程的随机性质和渐近行为。与经典的波利亚过程不同，网络过程一般是非平稳的，尽管它在一阶和一些二阶统计量上是时不变的，并且在一定条件下满足鞅收敛性质。三个经典的Polya过程，一个计算和两个分析，提出了统计近似的传染过程中的每个节点，显示出良好的适合系统参数的范围。最后，实证结果比较和对比我们的模型与著名的离散时间SIS模型。
2017-11-27 cs.SI math.OC math.PR
Iterative structural coarse-graining for contagion dynamics in complex networks
本文提出迭代结构粗粒化（ISCG）框架，在保证宏观爆发规模和微观节点感染概率精确保持的理论条件下大幅降低网络复杂度，并在识别传播者、免疫关键连边和哨点部署等任务中优于传统方法。
2024-12-29 cs.SI physics.data-an physics.soc-ph
Contagion dynamics in time-varying metapopulation networks
集合种群框架被广泛的学科采用，以描述系统的良好分离，但连接的亚群。子组或补丁通常表示为网络中的节点，其链接表示它们之间的迁移路线。到目前为止，这些连接大多被认为是静态的，但通常会随着时间的推移而演变。在这里，我们解决这种情况下，通过调查简单的传染过程随时间变化的集合种群网络。我们专注于SIR过程，并确定分析的流动性阈值的传染病传播的活动驱动的网络模型的框架内开始。我们发现与静态网络的情况有很大的不同。该阈值完全由定义瞬时迁移个体的平均数量的动态参数来描述，并且不依赖于静态网络表示的属性。值得注意的是，扩散和传染过程是缓慢的随时间变化的图形比在其聚集的静态同行，流动性阈值甚至两个数量级更大的第一种情况下。所提出的结果证实了考虑复杂网络的时变性质的重要性。
2013-03-26 cs.SI physics.soc-ph
Contagion on complex networks with persuasion
阈值模型是研究社交网络上传染过程的经典模型。我们考虑了社交网络中的非对称个体交互，并在阈值模型中引入了说服机制。具体来说，我们研究了复杂网络上级联过程中的采用和说服的组合。研究发现，引入说服机制后，系统可能会变得更容易受到全局级联的影响，并且说服机制在异构网络中的作用比在同构网络中的作用更显著：异构网络与同构网络的比较表明，在弱说服机制下，异构网络比同构网络更容易抵抗随机冲击;而在强说服下，同质网络更稳定。最后，我们研究了采用和说服阈值异质性对系统稳定性的影响。虽然这两种异质性都会引起全球级联，但当网络连接足够密集时，采用异质性的影响比说服异质性大得多。
2016-05-16 cond-mat.dis-nn physics.soc-ph
Anomalous Contagion and Renormalization in Dynamical Networks with Nodal Mobility
个人通过网络迁移的共同现实世界特征-无论是在现实空间还是在线-显着复杂的网络过程的理解。在这里，我们表明，即使一个网络可能会出现静态的平均水平，潜在的节点的流动性可以显着扭曲爆发配置文件。高度非线性的动态机制出现，增加流动性放大或抑制爆发的严重性。预测的概况模拟了最近爆发的真实空间传染（社会动荡）和在线传染（支持ISIS）。我们表明，这种节点的流动性可以重整化的一个精确的方式为一类特定的动态网络。
2015-11-18 cs.SI nlin.AO physics.soc-ph
Virus spread versus contact tracing: two competing contagion processes
于二零二零年上半年，多个国家因阻止COVID-19发病率曲线增长而遭受封锁后，他们面临恢复社会及经济活动的挑战。SARS-CoV-2的快速空气传播性和疫苗的缺乏要求采取积极的遏制措施，以避免传播链的传播。迄今为止，最好的策略，通常被称为测试-跟踪-治疗（TTT），包括对人群进行诊断测试，跟踪感染者的接触者，并通过隔离所有这些病例进行治疗。能够更好地描述上述机制联合作用的动力学过程是一种传染过程，它与病原体的传播竞争，切断了潜在的传染途径。在这里，我们提出了一个房室模型，耦合的动态感染与接触者追踪和隔离的情况下。我们开发了一个有效的情况下再现数$R_c(t)$，揭示了接触者追踪的作用，在缓解和抑制流行病的分析表达式。我们发现，有一个权衡之间的感染传播和隔离的情况下。如果隔离仅限于有症状的个体，发病率曲线可以变平，但不会弯曲。然而，如果接触者追踪也适用于无症状的个人，该战略可以弯曲曲线并抑制流行病。定量结果取决于网络拓扑结构。我们量化了接触者追踪有效性的最重要指标，即其扭转流行曲线上升趋势的能力，导致其弯曲。
2021-02-01 physics.soc-ph q-bio.PE
Exact solutions for social and biological contagion models on mixed directed and undirected, degree-correlated random networks
我们推导出的可能性，概率和预期规模的全球传播事件从一个单一的感染种子广泛收集的传染过程作用于随机网络的有向和无向边缘和任意度度的相关性。我们的工作扩展了以前的无向情况下的理论发展，我们提供了数值支持我们的研究结果，通过调查一类网络的例子，我们能够获得封闭形式的表达式。
2011-06-14 cond-mat.dis-nn cs.SI physics.soc-ph
Distinguishing between Topical and Non-topical Information Diffusion Mechanisms in Social Media
最近的一些关于社交媒体中信息扩散的研究，无论是经验的还是理论的，都受到了来自流行病学的病毒传播模型的启发。这些研究模拟了模因的传播，即，在社交网络中，用户之间的信息片段与疾病在人类社会中传播的方式类似。重要的是，人们会期望一个模因在社交网络中传播，在对该模因主题感兴趣的人中传播。然而，在文献中较少探讨话题性对信息扩散的重要性。在这里，我们研究经验数据两种不同类型的模因（标签和URL）通过Twitter的在线社交网络传播。对于每个迷因，我们推断其主题，对于每个用户，我们推断她的主题兴趣。为了分析这些话题对模因传播的影响，我们引入了一个新的信息扩散理论框架。我们的分析确定了两种不同的机制，即主题和非主题，信息扩散。非主题的信息扩散类似于简单传染病中的疾病传播。与此相反，主题信息扩散发生在与信息主题一致的用户之间，具有复杂的传染特征。非主题模因在所有用户中广泛传播，最终相对流行。话题模因在与它们有话题兴趣的用户中传播得很窄，并且在多次曝光后更容易传播。我们的研究结果表明，模因的话题性和用户的兴趣是理解和预测信息扩散必不可少的。
2016-03-14 cs.CY cs.SI physics.soc-ph
Contagion processes on the static and activity driven coupling networks
网络结构的演化与流行病的传播是共同共存的动力学过程。在大多数情况下，网络结构被视为静态或时变的，假设整个网络是在同一个时间窗口中观察。在本文中，我们考虑的传染病传播的静态和时变结构的网络。同时，假设时变部分与传染病传播具有相同的时间尺度。我们引入了一个静态和活动驱动耦合（SADC）网络模型来描述静态（强）结构和动态（弱）结构之间的耦合。在SADC模型上，研究了强结构为均匀度分布和非均匀度分布的SIS和SIR模型在不同耦合策略下的流行阈值.由SADC模型得到的理论阈值可以恢复和推广静态和时变网络中的经典结果。研究表明，在SADC网络中，当平均度保持不变时，弱结构使得同向耦合的传染病更容易爆发，而异向耦合的传染病更难爆发。此外，我们发现存在一个阈值比率的薄弱结构有实质性的影响，对流行病的爆发。这促进了我们理解为什么即使我们限制了人口的流动，流行病仍然可以在一些社交网络中爆发。
2015-12-07 cs.SI physics.soc-ph
Threshold driven contagion on weighted networks
加权网络捕捉复杂系统的结构，其中交互强度是有意义的。这一信息对于诸如阈值动态之类的大量过程是必不可少的，其中链路权重反映了邻居在确定节点行为方面的影响力。尽管描述了许多级联现象，如神经放电或社会传染，但阈值模型从未在加权网络上得到明确解决。我们填补了这一空白，通过研究动态阈值模型与数值和分析工具的合成和真实的加权网络。我们发现，级联出现的时间依赖于非单调的权重异质性，加速或减速的动态，并导致非平凡的参数空间的各种网络和权重分布。我们的方法适用于任意二进制状态的过程和链接属性，并可能证明有助于理解边缘异质性在各种自然和社会现象中的作用。
2017-07-07 cond-mat.stat-mech cs.SI physics.data-an
Contagion mean field model for transport in urban traffic networks
本文提出了一种城市交通网络中传输的传染性均场模型，揭示了交通流与密度之间的关系，并验证了SIS/SIR过程在交通拥堵建模中的应用。
2025-12-15 cond-mat.dis-nn physics.soc-ph
On the accuracy of population level approximation of network processes
Budapest University of Technology and Economics（布达佩斯技术与经济大学）；National Laboratory for Health Security（国家安全实验室）
本文研究了简单传播过程在规则图上的群体水平近似准确性，通过理论估计和数值验证，探讨了网络结构对传播动态的影响。
2025-12-08 math.DS physics.soc-ph
Simplicial contagion in temporal higher-order networks
复杂网络代表了研究相互作用个体群体中流行病过程的天然支柱。然而，这样的建模框架自然仅限于成对的相互作用，因此不太适合正确描述社会传染，即个体在同时暴露于多种感染源后获得新的规范或想法。单纯形传染已被提出作为一种替代框架，其中单纯形被用来编码任何顺序的群体相互作用。高阶相互作用的存在导致爆炸性的流行病的转变和双稳态，不能只考虑二元关系时获得。特别是，临界质量效应甚至可以出现在低于标准的成对流行病阈值的传染性值下，其中传染性节点的初始种子的大小决定了系统最终是处于地方病状态还是健康状态。在这里，我们将单纯传染扩展到时变网络，其中成对和高阶单纯形可以随着时间的推移被创建或销毁。通过微观马尔可夫链的方法，我们发现，相同的种子的传染性节点可能会或可能不会导致一个地方病的稳定状态，这取决于底层网络结构的时间属性，并表明持久的时间相互作用预期发病的地方病状态在有限大小的系统。我们描述了这种行为的高阶网络与连续的相互作用之间的规定的时间相关性和异质单纯复合物，表明时间性再次限制了高阶传播的效果，但在一个不太明显的方式比均匀的结构。我们的工作表明，将时间性，许多现实世界中的系统的现实特征，超越成对相互作用的动力学过程的调查的重要性。
2021-05-10 cs.SI physics.soc-ph
Diffusion in Networks With Overlapping Community Structure
在这项工作中，我们研究扩散网络的社区结构。我们首先复制并扩展了具有非重叠社区结构的网络的工作。然后，我们研究扩散的网络模型，有重叠的社区结构。我们研究了标准SIR模型中的传染，以及被认为是一些社会扩散过程的较好模型的复杂传染。最后，我们研究扩散的经验网络与已知的重叠社区结构，通过分析这种网络的结构，并通过模拟传染。我们发现，简单和复杂的传染可以快速传播的网络重叠的社区结构。我们还发现，短路径存在通过重叠的经验网络上的社区结构。
2011-09-29 cs.SI physics.soc-ph
Social Norm Diffusion in Societies: Simple or Complex?
University of Padua（帕多瓦大学）；Institute of Cognitive Sciences and Technologies (ISTC), CNR（认知科学与技术研究所（ISTC），意大利国家研究委员会）；Collegio Carlo Alberto（卡洛阿尔贝托学院）；University College London（伦敦大学学院）；Universidad Carlos III de Madrid（马德里卡洛斯三世大学）；Institute for Futures Studies（未来研究所）
本研究采用演化博弈论模型，探究社会规范的传播类型，发现新规范成本低、文化从众性低时为简单传染，成本高、文化从众性高时为复杂传染。
2026-10-15 physics.soc-ph
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。
2023-12-30 physics.soc-ph q-bio.PE
Social contagion models on hypergraphs
在过去的二十年里，我们对复杂网络系统动态的理解有了显著的提高。然而，我们的大部分知识是建立在假设系统的组件之间的成对关系。这通常是一种过度简化，例如，在群体内频繁发生的社会互动中。为了克服这一局限性，在这里我们研究超图上的社会传染动力学。我们开发了一个分析框架，并提供任意超图的数值结果，我们也支持蒙特卡罗模拟。我们的分析表明，该模型具有广阔的参数空间，一阶和二阶过渡，双稳定性，和滞后。现象学上，我们也将潜热的概念延伸到社会情境中，这可能有助于理解振荡的社会行为。我们的工作展开了高阶模型的研究路线和超图的分析处理，提出了新的问题，并为这些网络上的动态过程建模铺平了道路。
2019-09-24 cond-mat.stat-mech physics.soc-ph
Statistical inference of dynamical processes on networks
Tampere University（坦佩雷大学）；Goethe University Frankfurt（法兰克福歌德大学）；Central European University（中欧大学）；Universidad Nacional Autonóma de México（墨西哥国立自治大学）
研究网络二元状态传播过程模型选择，提出通用框架，利用渐近近似预测结果，刻画六种传播机制可检测性，评估其在实证数据集上的普遍性，指出统计模型选择在常见条件下可能失败并给出新方向。
2026-07-10 physics.soc-ph
Aging in binary-state models: The Threshold model for Complex Contagion
二元状态模型是那些组成元素只能出现在两种可能的配置中的模型。这些模型是基本的数学处理的一些现象，如自旋相互作用的磁性，观点动力学，谣言和信息传播的社会系统等，在这里，我们专注于研究非马尔可夫效应与老龄化的二元状态动力学在复杂网络。老化被认为是代理人的属性，他们在当前状态下的时间越长，就越不容易改变状态，这会产生异质的活动模式。我们分析在这种情况下，阈值模型的复杂传染病，这已被提出来解释，例如，采用新技术的过程中，代理需要反复确认的几个接触（直到达到一个给定的邻居分数阈值）改变状态。我们的分析逼近很好地描述了Erdös-Rényi、随机-规则和Barabási-Albert网络中的广泛数值模拟。虽然老化不会改变传播条件，但它会减缓级联动态向完全采用状态的发展：采用者在时间上从原始模型的指数增长被拉伸指数或幂律所取代，这取决于老化机制。在几种近似下，我们给出了级联条件的解析表达式，并为指数，幂律和拉伸指数增长规律的采用者密度的指数。除了网络，我们还通过数值模拟描述了二维晶格中阈值模型的老化效应。
2022-11-24 physics.soc-ph
Memory-induced complex contagion in epidemic spreading
尽管流行病模型已经发展成为预测疾病和观点传播的强大工具，但大多数模型都假设无记忆代理和独立的传播渠道。我们开发了一种感染机制，它具有对过去暴露的记忆，同时结合了多种感染源的联合作用。非结构化基质中的易感-感染-易感模型的分析方程和模拟揭示了一个额外阶段的出现，该阶段将通常的健康和流行相分离。这个中间阶段显示出根本不同的特点，系统表现出兴奋性或异国情调的双稳态变体。此外，向地方病的过渡呈现出混合的方面。这些功能是两种记忆模式之间的复杂平衡的产物，并表明非马尔可夫效应显着改变传播过程的属性。
2019-03-04 physics.soc-ph q-bio.PE
Interplay between exogenous triggers and endogenous behavioral changes in contagion processes on social networks
近年来，统计物理学的方法论已经证明非常成功地提供了对社会互动机制的见解。然而，这些模型是否能够捕捉到在现实世界的数据集中观察到的趋势的问题在目前的文献中几乎没有得到解决。通过这项工作，我们的目标是弥合理论建模和数据验证之间的差距。特别是，我们提出了一个观点动力学在社交网络上的外部触发器的存在下，框架的错误行为传播的背景下的模型的解释。我们把我们的人口分为有意识的、无意识的和狂热的/受过教育的代理人。个体根据两种相互竞争的动力学改变他们的状态，称为行为动力学和广播。前者是通过个人之间的接触传播信息，而广播则扮演着外部媒介的角色，模仿主流媒体的效果。通过模拟和分析计算，我们发现，不知情的代理在系统中的分数的平稳分布经历了相变时，考虑到所有的近似。令人惊讶的是，这样的相变消失在存在的最小分数的受过教育的代理。最后，我们使用从Twitter上收集的关于阿斯利康疫苗对COVID-19的潜在不利影响的公开讨论（包括数百万条帖子）的数据来验证我们的模型。我们表明，外部代理的干预，在我们的模型中占，是能够重现在这个现实世界的数据集中发现的一些关键功能。
2022-10-27 cs.SI physics.soc-ph
