AI 科技评论按：2018 年 1 月 5-8 日，国际网络迷信会议 NetSciX 2018 在浙江杭州召开。本次会议是网络迷信系列会议初次在中国举行，由网络迷信协会（The Network Science Society）主办，杭州师范大学阿里巴巴商学院承办。本文为雷锋网 (大众号：雷锋网) AI 科技评论特邀作者、北京邮电大学张镇平撰写的解读稿件，未经答应不得转载。
网络迷信是研讨理想中的复杂网络的学术研讨范畴，比方通讯网、计算机网络、生物网络、认知和语义网络等等，在该学科中用点代表组成网络的元素，用边代表节点之间的关系和互相作用，并在此根底上研讨网络的演化进程、拓扑构造、动力学性质等。
网络迷信是一个典型的穿插学科，融汇了多个学科的实际和办法，包括数学中的图论、物理中的统计力学、计算机迷信中的数据发掘和信息可视化、统计学中的推理建模以及社会学中的社会构造实际。美国国度迷信研讨委员会定义网络迷信为「研讨物理、生物和社会景象的网络表示办法，最终树立这些复杂景象的预测模型」。（概况可参考维基百科： https://en.wikipedia.org/wiki/Network_science ）。
网络迷信使用前景普遍、开展迅速，惹起了各国政府和知名学者的关注，中国计算机学会理事长李国杰院士在 2016 年中国计算机学会通讯中宣布了题为「网络迷信: 21 世纪的元迷信」的主编评语，指出数据迷信与网络迷信是一对孪生学科，两者相反相成，李国杰院士激烈建议信息范畴的学者参与到网络迷信的研讨中，文中写道，「网络迷信不只是真正的迷信，而且将成为物理、生物、社会等众多迷信的根底」。网络迷信是数据驱动的迷信，从景象反推到机制、再预测景象，假如说现阶段的人工智能，特别是深度学习还是一个灰箱的话，那么网络迷信有能够成为翻开这个箱子的钥匙之一。
国际网络迷信协会是由网络迷信奠基人 Barabási 等人发起的国际性研讨协会，聚集了来自于各个学科背景，而对网络迷信感兴味的研讨者。协会每年举行一次年会 NetSci，至今曾经召开了 12 届，历届会议举行地点如下：
NetSci 2017, Indianapolis
NetSci 2016, Seoul
NetSci 2015, Zaragoza
NetSci 2014, Berkeley CA
NetSci 2013, Copenhagen
NetSci 2012, Evanston IL
NetSci 2011, Budapest
NetSci 2010, Boston MA
NetSci 2009, Venice Italy
NetSci 2008, Norwick UK
NetSci 2007, New York NY
NetSci 2006, Bloomington IN
由于网络迷信开展迅速，为了满足交流的需求，协会另外开拓了网络迷信年会的姐妹会议NetSciX，至今已举行了3届，历届会议举行地点如下：
NetSciX 2017, Tel-Aviv
NetSciX 2016, Poland
NetSciX 2015, Rio
往年的 NetSciX 会议分为两个局部，1 月 5 日为讲座学校，大会约请了国际顶级学者为刚步入网络迷信研讨范畴的先生和青年学者提供多场根底讲座。6 日-8 日为大会工夫，包括特邀报告、大会报告、分会报告以及海报四个局部。此外，大会约请业界的专家，举行多场不同主题的小型研讨会，打破学界与业界之间的研讨壁垒，让学界和业界失掉充沛的交流。
本次大会约请到了一系列的学界大牛做宗旨演讲，包括：
Albert-László Barabási——Northeastern University 教授，APS Fellow，网络迷信奠基人，无标度网络提出者
陈关荣——香港城市大学教授，IEEE Fellow，欧洲迷信院院士
Raissa M. D'Souza——University of California 教授，APS Fellow，网络迷信协会主席
Jürgen Kurths——Potsdam Institute for Climate Impact Research 教授，APS Fellow，欧洲迷信院院士
Ying-Cheng Lai——亚利桑那州立大学教授，APS Fellow
Luciano Pietronero——University of Rome 教授
谢宇——普林斯顿大学教授
Jianwei Zhang——汉堡大学教授
除此之外，还约请了网络迷信范畴出色的中青年学者做特邀报告，包括：
Sarika Jalan——Indian Institute of Technology Indore 副教授
Hawoong Jeong——Korea Advanced Institute of Science and Technology 教授
李翔——复旦大学教授
Filippo Radicchi——Indiana University 教授
Marta Sales-Pardo——Universitat Rovira i Virgili 副教授
James Gleeson——University of Limerick 教授
王大顺——Northwestern University 副教授
周涛——电子科技大学教授
四天的工夫里，在网络迷信范畴掩盖的范围内，数十位国际外顶级学者辨别讲述了一个或几个不同的研讨方向，可谓场场干货。
上面我们来集中回忆一下讲座学校的次要内容（按分享工夫顺序总结，排名不分先后）。讲座学校约请了国际顶级学者为刚步入网络迷信研讨范畴的先生和青年学者提供四场根底讲座，辨别是：
（1）复杂网络和疾病传达；
（2）基于网络和控制论视角的人类微生物群研讨；
（3）网络中的大规模构造：隐藏社区和潜在层次构造；
（4）多层网络研讨。
Vittoria Colizza：Predictability and epidemic pathways in global outbreaks of infec呼吁行业者在政府部门出台相关政策标准的之前，从业者一定要规范自己的行为准则健康有序的快速发展。tious diseases: the SARS case study
Vittoria Colizza 来自法国国度安康与医学研讨所，演讲的内容聚焦于网络迷信的经典话题——传染病传达，由于在疾病传达中的根底研讨和数据驱动的网络建模方面的创始性任务取得 2017 年度的 Erdős–Rényi 奖，该奖以随机图实际的开辟者 Erdős 和 Rényi 命名，由网络迷信协会颁发给在网络迷信范畴做出出色奉献的年老迷信家。（团体主页： http://www.epicx-lab.com/vittoria-colizza.html ）
Colizza 次要引见了 2007 年宣布在 BMC Medicine 的任务。2002-2003 年 SARS 在全球暴虐，清楚地显示了长程运输网络关于了解疾病迸发的重要性。作者结合大规模的交通数据来更好地对理想中的疾病传达进程停止建模。
为了评价模型的预测才能，作者以 SARS 的全球传达为例停止了预测。参数和条件初始化采用了香港的实践数据，同时剖析了迸发能够性和传达途径。仿真后果很好地拟合了 SARS 的全球传达状况。
Colizza 对演讲停止了总结，近程挪动和人口统计变量关于提升疾病传达模型的预测才能，而且可以继续地停止检验。这种建模战略可以作为全球疾病传达的剖析和预测的普通办法，为遏制疾病传达、防止灾难性结果提供决策支持。
Yang-Yu Liu：Network and Control Theoretical Approaches to Studying Human Microbiota
Liu 是哈佛医学院的副教授，同时任布莱根妇女医院副研讨员。他的研讨兴味普遍，包括人类菌群和社区生态、复杂零碎的控制准绳、复杂网络的构造和动力学、生物信息学和机器学习，本次演讲聚焦于用网络迷信办法和控制论研讨人类微生物群。（团体主页： https://scholar.harvard.edu/yyl ）
该演讲以 2016 年宣布于 nature 的论文「Universality of human microbial dynamics」为次要内容。人体微生物社群决议着我们的安康和幸福，近年来继续研讨基于微生物群的医治办法，如排泄物微生物群移植。这些微生物群是十分复杂、静态和特性化的生态零碎，在物种组合和丰厚度方面展示出高度的集体多样性。至今未处理的成绩是，用人口动力学模型中的增长率、种内和种间交互度量，这些微生物群面前的生态动力学究竟是分歧的还是特性化的、依赖于宿主而变化的。假如微生物群动力学是依赖于宿主的生活方式、生理机能和基因的，那么通用的微生物干涉措施将会带来不可预知的后果，使得措施有效甚至带来灾难性的结果。或许，微生物群也能够听从普适性的规律。
Liu 等提出了新的描写人类微生物群特征的计算办法，并使用于来自两个大规模的元基因组研讨（人类微生物群项目和先生微生物群项目，缩写为 HMP 和 SMP）。后果显示，肠道和口腔菌群展现出普适性的规律，而与特定皮肤部位相关的菌群遭到宿主差别性的影响。如下图，除了 SMP 研讨中的前额和手掌，HMP 研讨中左右肘窝，其他部位的菌群都具有差别性。
Dan Larremore：Large-scale Structures in Networks: Hidden Communities and Latent Hierarchies
Larremore 是卡罗拉多大学的助理教授，在数学和统计物理方面有扎实的根底和丰厚的研讨积聚，同时在卡罗拉多大学计算机系和生物前沿研讨所任职。（团体主页： http://danlarremore.com/ ）
Larremore 首先从构造发现的意义动手，迷信在于寻觅规律，将复杂的景象复杂化，而构造便是区别于乐音的信息，协助我们了解哪些是网络的重要组成局部以及这些局部是如何衔接组分解全体的。现有的研讨采用同配系数和模块度来度量和发现社区构造，但是，模块度概念虽然明晰、复杂，却存在悖论，由于即便是随机网络也可以划分出具有高模块度的社区。生成网络模型是常用的研讨办法，一方面可以依据模型和参数来重理想际数据，另一方面可以从实践数据中推断中网络的生成进程和参数。
最初，Larremore 引见了社区发现中的研讨前沿话题：
-
分层社区（hierarchical communities），我们察看到的网络是堆叠穿插的，但是却可以依照节点类型、工夫等对网络停止分层，更好地提醒网络构造和规律；
-
混合划分 (mixed-membership)，在这种划分办法下，边表示从属关系，而节点依据所衔接的边被划分到不同群体；
-
多层网络 (multilayer networks), 多个网络叠加，除了传统网络中的节点和边，添加了一个所属网络层级的属性；
-
综合元数据的社区划分（metadata+communities），元数据即关于数据的数据，通常是数据的描绘信息，如节点的标签（人的性别、地域、身高、体重等），这些信息可以作为约束条件协助停止更好地划分社区。作者以为需求在通用模型和定制模型中做出权衡，迷信成绩会不时驱动新的社区划分办法的呈现。
Ginestra Bianconi：Multilayer Networks
Bianconi 教授来自伦敦玛丽女王大学，研讨兴味包括网络统计力学、生物网络、凝聚态物质中的复杂和临界景象。报告聚焦于多层网络的构造和动力学，效果于 2014 年宣布在物理学范畴的威望杂志 Physics Reports（Structure and Dynamics of Multilayer Networks）。（团体主页： http://www.maths.qmul.ac.uk/~gbianconi/ ）
假如我们细心察看四周，就可以立刻发现，生活中五花八门的景象都是根本元素之间经过复杂的形式不时交互而发生的。网络迷信将根本元素笼统为节点，将节点之间的互动笼统为边，协助我们了解景象，发现规律，进而找到控制网络的办法。
传统的复杂网络办法不区分点和边的类型，严重限制了网络的实践使用，为此作者罗列了三个实践网络停止阐明。
（1）Facebook 好友关系网络。两个用户在 Facebook 上成为好友，能够是由于他们是同事，或许是同一个足球队的粉丝，再或许是由于他们常常在假期见面，而这些不同的好友关系在信息传达中所起的作用是不同的。假如一团体失掉了一个音讯并希望传达出去，那么他所选择的传达渠道分明是不同，因而更合理的方式是对每一种社会关系构成的集团都树立一个网络，进而对不同网络之间的传达做出限定。
（2）航空网络。人们在航班延误时需求重新布置行程，而首先思索的是原航班所在航空公司的航班，这时网络是分层的，每一家航空公司的航线网络构成一层，人们优先选择所处的网络重新布置行程。
（3）生物网络。生物学家详细察看新杆状线虫的神经网络，包括 281 个神经元和 2000 多个衔接，这些衔接分为两类：化学衔接和离子衔接，而这两类衔接具有完全不同的动力学特性，这招致神经元在不同层上表现的性质和重要性完全不同，假如不区分边的类型对节点停止排序将会失掉错误的结论。
作者依照罕见的书籍撰写构造综述了现有的多层网络研讨：
（1）多层网络的构造，引见了常用的数学概念来定义多层网络，包括中心性、聚集系数、特征谱、模体、相关性等；
（2）多层网络的网络生成模型，包括生成多元网络和网络的网络；
（3）多层网络的鲁棒性和渗流，特别是思索网络之间互相依赖性下的渗流进程；
（4）多层网络上的传达进程和退化博弈；
（5）多层网络上的同步景象；
（6）多层网络在社会迷信、技术、经济、气候预测、生态学和生物医学方面的使用。
作者最初对多层网络的研讨停止了总结和瞻望，多层网络无疑是复杂网络研讨的前沿课题，表现出与单层网络迥然不同的性质，出现出许多有意义的新规律，如研讨发现网络之间的互相依赖是零碎软弱性的本源之一，将来的研讨可以针对上述综述内容愈加深化地展开研讨。
AI 科技评论总结： 本次讲座学校约请了四位出色的青年迷信家来引见了近年来的研讨前沿，包括两场复杂网络的根底研讨讲座（网络构造、多层网络）和两场复杂网络在重要范畴的使用研讨（疾病传达预测、微生物群研讨）。
一天的工夫里，4 位学者辨别从各个角度对复杂网络迷信停止了详细的、全方位的解读。
从学员的角度来看，可以发如今原来以物理学、数学为主的网络迷信研讨人员根底上，新增了来自计算机学科、生物学科、医学的研讨人员，网络迷信研讨集团不时多元化、学科之间深度互动。这是网络迷信本身的魅力和潜力的展示，同时也是网络迷信不时蓬勃开展的动力所在。
。
