圣达菲研究所 荣誉:让-加布里埃尔·杨 两名家庭成员新冠肺炎检测呈阳性——我们如何知道谁感染了谁？在一个完美的世界里，网络科学可以为这些问题提供一个可能的答案
它还可以告诉考古学家希腊陶器碎片是如何在埃及被发现的，或者帮助进化生物学家理解一个早已灭绝的祖先是如何代谢蛋白质的
事实上，科学家们很少有所需的历史数据来准确地了解网络中的节点是如何连接的
但是发表在《物理评论快报》上的一篇新论文为重建缺失的信息提供了希望，使用了一种新的方法来评估生成网络模型的规则
“网络模型就像数据的印象图片，”物理学家乔治·坎特威尔说，他是这项研究的作者之一，也是圣达菲研究所的博士后研究员
“关于真实网络是否与这些模型足够相似，以至于这些模型是好的还是有用的，已经有很多争论
" 通常，当研究人员试图建立一个不断增长的网络模型时——比如说，一群感染了病毒的个体——他们会按照一组数学指令一次添加几个节点，从零开始建立模型网络
每个节点可以代表一个受感染的个体，每个边代表这些个体之间的连接
当模型中的节点群集类似于从现实世界案例中提取的数据时，模型被认为是有代表性的——当相同的模式可以由不同的指令集产生时，这是一个有问题的假设
坎特威尔和合著者纪尧姆·圣昂格(魁北克拉瓦尔大学)和让-加布里埃尔·扬(佛蒙特大学)希望给建模过程带来一点统计学的严谨性
他们没有将网络模型快照的特征与现实世界数据的特征进行比较，而是开发了计算不断增长的网络的每个可能历史的概率的方法
给定相互竞争的规则集，这些规则集可以代表真实世界的过程，如接触、液滴或空气传播，作者可以应用他们的新工具来确定特定规则导致观察到的模式的概率
“不要只是问‘这张照片看起来更像真的吗？’坎特威尔说，“我们现在可以问一些实质性的问题，比如‘它是按照这些规则成长的吗？’“一旦找到最有可能的网络模型，就可以对其进行修改，以回答诸如谁先被感染等问题
在他们当前的论文中，作者在三个简单的网络上演示了他们的算法，这三个网络对应于以前记录的具有已知历史的数据集
他们现在正致力于将该工具应用于更复杂的网络，这种网络可以应用于任何数量的复杂系统
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
