• 揭示复杂城市背后的时空交互模式;
• 使用标准离线预言机通过节点级反馈实现在线影响力最大化;
• 在基于云的多主体系统中处理信任;
• 量子计算与量子算法研究中主题结构的文献计量分析;
• 研究大型食品冷藏系统网络的温度分布的数据科学;
• 将 Human-in-the-loop 集成到 Swarm Learning 以进行去中心化假新闻检测;
• 单纯级联由神经元复合体的多维几何结构调控;

揭示复杂城市背后的时空交互模式

原文标题： Revealing spatio-temporal interaction patterns behind complex cities

地址： http://arxiv.org/abs/2201.02117

作者： Chenxin Liu, Yu Yang, Bingsheng Chen, Tianyu Cui, Fan Shang, Ruiqi Li

摘要： 城市是典型的动态复杂系统，连接人与促进互动。揭示居民之间时空相互作用背后的普遍集体模式对于各种城市研究至关重要，我们对此仍缺乏全面的理解。海量手机数据使我们能够构建基于个体时空共现的交互网络。地点每小时动态人口的等级大小分布是稳定的，尽管人们几乎不断地在城市中移动，并且吸引人们的热点在一天中随着时间的推移而变化。更大的城市具有更强的异质性，如更大的尺度指数所示。在连续的时间窗口上聚合时空交互网络后，我们揭示了城市在两个状态之间的切换行为。在“活跃”状态期间，整个城市集中在较少的较大社区中；在”睡眠”状态下，人们分散在更小的社区中。上述发现在各大洲的多元化城市中普遍存在。此外，当一个城市的人口增长时，它的睡眠时间就会减少。时空交互隔离可以很好地近似于较小城市的住宅隔离，但不能在较大的城市中使用。我们提出了一个时间人口加权机会模型，通过整合与时间相关的离开概率对人类流动进行动态预测，可以合理地很好地解释城市中观察到的时空相互作用模式。

使用标准离线预言机通过节点级反馈实现在线影响力最大化

原文标题： Online Influence Maximization with Node-level Feedback Using Standard Offline Oracles

地址： http://arxiv.org/abs/2109.06077

作者： Zhijie Zhang, Wei Chen, Xiaoming Sun, Jialin Zhang

摘要： 我们研究社会网络中的在线影响最大化 (OIM) 问题，其中学习者在多轮中反复选择种子节点来生成级联，观察级联反馈，并逐渐学习产生最大级联的最佳种子。我们在本文中关注两个主要挑战。首先，我们使用节点级反馈而不是边级反馈。边级反馈显示所有通过级联信息的边，其中节点级反馈仅显示带有时间戳的激活节点。节点级反馈可以说更现实，因为在实践中观察谁受到影响相对容易，但很难观察到影响来自哪个关系（边）。其次，我们使用标准的离线预言机而不是离线配对预言机。为了计算下一轮好的种子集，离线pair-oracle同时在置信区域内找到最佳种子集和最佳参数，由于OIM问题的组合核心，这样的oracle很难计算。因此，我们专注于如何使用标准离线影响最大化预言机，该预言机在给定边参数作为输入的情况下找到最佳种子集。在本文中，我们解决了两个最流行的扩散模型、独立级联 (IC) 和线性阈值 (LT) 模型的这些挑战。对于IC模型，过去的研究只实现了边级反馈，而我们提出了第一个用于节点级反馈的widetildeO(sqrtT)-regret算法。此外，该算法仅调用标准的离线预言机。对于 LT 模型，最近的一项研究仅提供了一种 OIM 解决方案，可以满足第一个挑战，但仍需要配对预言机。在本文中，我们应用与 IC 模型中类似的技术，在保持 widetildeO(sqrtT)-regret 的同时，用标准预言机替换对预言机。

在基于云的多主体系统中处理信任

原文标题： Handling Trust in A Cloud Based Multi Agent System

地址： http://arxiv.org/abs/2201.01807

作者： Imen Bouabdallah, Hakima Mellah

摘要： 云计算是一种开放的分布式网络，可保证在多个级别（软件、硬件……）访问大量数据和 IT 基础设施。随着需求的增加，处理客户的需求变得越来越具有挑战性。响应所有请求的客户可能会导致安全漏洞，并且由于提供商有责任保护所提供的云服务和数据，因此确保客户的可靠性很重要。虽然在云端过滤客户端并不常见，但需要确保云端安全。在本文中，通过在云中实现多主体系统来处理提供商的交互，在主体级别引入信任，通过使用粒子群优化和熟人知识来过滤请求服务的客户端，以确定恶意和不可信的客户端。选择取决于先前的知识和可信对等方的总体评级。进行的实验表明，该模型输出了相关的结果，并且即使在少量对等点的情况下，该框架也能够收敛到最佳解决方案。本文中介绍的模型是为适应云中的交互而正在进行的工作的一部分。

量子计算与量子算法研究中主题结构的文献计量分析

原文标题： Bibliometric analysis of topic structure in quantum computation and quantum algorithm research

地址： http://arxiv.org/abs/2201.01911

作者： Tsubasa Ichikawa

摘要： 我们对 1985-2020 年发表的关于量子计算和量子算法的研究论文进行了文献计量分析。我们从年度发表论文数量的趋势中确定了三个不同的时期，并根据出版物数量和总引用次数显示了每个时期的前 20 个贡献国家。近一期出版物的书目耦合网络的特点是一个密集的小世界网络，它包含14个大社区，主题是各种物理系统中的量子比特的制造，量子算法的研究，和其他相关主题。量子机器学习是量子计算中的新兴主题之一，被发现是第五大独立社区。

研究大型食品冷藏系统网络的温度分布的数据科学

原文标题： Data science to investigate temperature profiles of large networks of food refrigeration systems

地址： http://arxiv.org/abs/2201.02046

作者： Corneliu Arsene

摘要： 许多国家的发电和输电基础设施面临越来越大的压力。这部分反映了向低碳经济的转变以及对可再生能源发电系统的日益依赖。传统化石燃料发电系统的使用有所减少，提供稳定的基本负荷，取而代之的是更不可预测的可再生能源发电。因此，电网上的可用负载变得更加不稳定。为了应对这种变化，英国国家电网重点研究了各种技术机制（例如智能电网的实施、储能技术、辅助电源），当电网可能变得有时不稳定。这些机制的成功实施可能需要大量用电设备（例如 HVAC 系统、食品冷藏系统），例如对储能技术（食品冷藏系统）进行额外投资或将其工业过程的电力需求整合到国家电网中（暖通空调系统）。然而，在食品冷藏系统的情况下，在这些危急情况下，即使当系统的电力输入负载到系统中时，冷藏系统内的热惯性可能会在短时间内（例如低于 1 分钟）保持设备的有效性能减少，即使在很短的时间内（例如不到 1 分钟），这仍然会带来最大的食品安全风险。因此，在考虑未来采取任何行动（例如投资于储能技术）以防止电网变得不稳定时的危急情况之前，还需要理解在正常使用过程中，这些庞大的食品冷藏系统网络内的温度曲线是如何随时间演变的.

将 Human-in-the-loop 集成到 Swarm Learning 以进行去中心化假新闻检测

原文标题： Integrating Human-in-the-loop into Swarm Learning for Decentralized Fake News Detection

地址： http://arxiv.org/abs/2201.02048

作者： Xishuang Dong, Lijun Qian

摘要： 社交媒体已成为生成和传播虚假新闻的有效平台，这些虚假新闻可以误导人们甚至扭曲舆论。然而，在训练模型的集中数据收集过程中，虚假新闻检测的集中方法无法有效保护用户隐私。此外，它不能在学习检测模型的循环中完全涉及用户反馈以进一步增强假新闻检测。为了克服这些挑战，本文提出了一种新的去中心化方法，即基于人在环的群学习（HBSL），将用户反馈整合到学习和推理循环中，以在不侵犯用户隐私的情况下以去中心化的方式识别假新闻.它由能够独立学习和检测本地数据上的假新闻的分布式节点组成。此外，可以通过分散模型合并来增强在这些节点上训练的检测模型。实验结果表明，所提出的方法在检测基准数据集上的假新闻方面优于最先进的分散方法。

单纯级联由神经元复合体的多维几何结构调控

原文标题： Simplicial cascades are orchestrated by the multidimensional geometry of neuronal complexes

地址： http://arxiv.org/abs/2201.02071

作者： Bengier Ulgen Kilic, Dane Taylor

摘要： 波前传播和空间遥远的活动集群的出现通常出现在许多环境中，包括神经元放电、社会传染、流行病和关键基础设施故障。这些现象是直接竞争，代表了网络几何和拓扑之间的挫折。在这里，我们通过分析嘈杂几何复合体上的级联将他们的研究扩展到具有高阶相互作用的系统，这些几何复合体包含编码二元、三元和高阶相关性的短程和长程“单纯形”。我们为级联提供了一个简单阈值模型 (STM)，其中顶点 v_i 仅在其简单邻居（包括相邻的 1-simplices、2-simplices 等）上的活动超过阈值 T_i 时才变为活动状态.我们表明，尽管存在长程单纯形，但高阶相互作用和阈值化可以协调以沿着由较低相邻单纯形组成的几何基底稳健地引导级联。我们为神经元网络（即神经元复合体）的基于单纯复合体的模型探索了这种现象，揭示了高阶交互也促进了不同时空模式的表现力和效率。我们用分叉理论支持这些发现，以预测波前和聚类动力学，并引入简单级联映射，这些映射嵌入具有潜在几何的单纯复合体，其中成对距离反映了 STM 级联在顶点之间传播所需的时间。我们的发现和提出的数学工具揭示了高阶非线性和单纯复形的多维几何的动力学/结构相互作用，是揭示在复杂系统中协调高阶处理的多尺度机制的一个富有成效的方向。

声明：Arxiv文章摘要版权归论文原作者所有，机器翻译后由本人进行校正整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://netsci.complexly.cn （提供RSS订阅）进行同步更新。个性化论文阅读与推荐请访问 https://arxiv.complexly.cn 平台。