Arxiv網絡科學論文摘要16篇(2020-08-18)

• 有針對性的幹預措施可減少COVID-19的傳播：真實交通數據的模擬研究;
• 發明者和物理學家群體中集體遺忘和文化選擇性的增加;
• 美國電力部門沒有COVID-19對氣候的「一點慰藉」：CO2的減排量在統計上並不顯著，對燃煤發電機的額外風險最小;
• 異質性人群的SEIR模型：通勤和社會不平等在COVID-19動態中的作用;
• 廣義線性閾值模型，用於改進對擴散動力學的描述;
• 社會疏遠的不連續過渡;
• 實現黨派對稱：問題與悖論;
• 電力與大流行：探討COVID-19期間的全球電力需求變化;
• Shifu2：基於網絡表示學習的導師-學生關係挖掘模型;
• 可危的軌跡：下一個難民被淹死有多遠？;
• 控制COVID-19在大學校園中的傳播;
• 川普相關故事的計算時間線重建：故事動蕩、敘事控制和集體年代感;
• 應用程式可以控制傳播嗎？基於主體的COVID-19模型和基於智慧型手機的聯繫人跟蹤的有效性;
• 統計分析和區域表示學習，以理解COVID-19大流行;
• 超級傳播者和高差異性傳染病;
• 駕駛員輔助車輛對通用二階交通模型的多尺度控制;

有針對性的幹預措施可減少COVID-19的傳播：真實交通數據的模擬研究

原文標題： Targeted Interventions Reduce the Spread of COVID-19: Simulation Study on Real Mobility Data

地址： http://arxiv.org/abs/2008.06549

作者： Haotian Wang, Abhirup Ghosh, Jiaxin Ding, Rik Sarkar, Jie Gao

摘要： 通過以不同方式限制人類活動，已在世界範圍內引入了各種幹預方法來減慢SARS-CoV-2病毒的傳播。雖然大規模的鎖定策略可以有效地降低傳播速度，但它們的代價是明顯限制了社會功能。我們表明，人類的自然流動性具有高度的多樣性和異質性，因此一小群人和聚會場所在該疾病的傳播中起著重要作用。我們發現，專注於保護最活躍的個體和最流行的場所的幹預措施可以顯著降低峰值感染率和感染人數，同時總體上保持較高水平的社會活動。在使用三種不同規模，解析度和模式的移動性數據集（在七個不同城市的值機，大學中的WiFi連接事件以及電動自行車的GPS軌跡）的多智能體模擬中，普遍觀察到了這種趨勢。利用網絡在人類流動中的作用的策略在疾病控制和正常社交活動之間提供了更好的平衡。

發明者和物理學家群體中集體遺忘和文化選擇性的增加

原文標題： The rising of collective forgetting and cultural selectivity in inventors and physicists communities

地址： http://arxiv.org/abs/2008.06592

作者： Cristian Candia, Brian Uzzi

摘要： 多久才忘記這篇論文？集體遺忘是一個過程，隨著時間的流逝，文化作品所引起的注意力下降。最近的工作將這種衰變建模為兩個不同過程的結果，一個過程與溝通記憶（由人類交流維持的記憶）和文化記憶（由內容的物理記錄維持）相關聯。然而，人們對集體如何隨時間忘記動態變化知之甚少。被遺忘的舊文化作品的發生率低於新文化嗎？在這裡，我們通過關注兩個知識社區（發明家和物理學家）研究集體記憶和注意力的時間變化。我們使用來自美國專利商標局（USPTO）的專利數據和在美國物理學會（APS）上發表的物理學論文來量化集體遺忘隨著時間的變化。該模型使我們能夠區分遺忘的兩個分支。一個分支是短暫的，直接從溝通記憶變成遺忘。另一個是長期存在的，從交流到文化記憶再到遺忘。數據分析顯示，隨著信息的增長，兩個社區的遺忘率都在增加。此外，這些知識社區似乎在增加將有價值的文化作品存儲在其文化記憶中的選擇性。這些發現為遺忘作為一種廢止假說提供了經驗證實，並表明知識社區可以有效地減緩集體遺忘的興起，從而提高其文化選擇性。

美國電力部門沒有COVID-19對氣候的「一點慰藉」：CO2的減排量在統計上並不顯著，對燃煤發電機的額外風險最小

原文標題： No COVID-19 Climate 「Silver Lining」 in the U.S. Power Sector: CO_2 Emissions Reductions Not Statistically Significant, Additional Risk to Coal Generators is Minimal

地址： http://arxiv.org/abs/2008.06660

作者： Max Luke, Priyanshi Somani, Turner Cotterman, Dhruv Suri, Stephen J. Lee

摘要： 最近的研究得出結論，全球冠狀病毒（COVID-19）大流行減少了全球電力部門的CO _2 排放。我們分析了美國電力行業從2020年3月到2020年7月CO_2_2減排量的統計顯著性，並提出了模型告知的對CO_2_2 減排量持續減少的預期。考慮到與大流行無關的因素帶來的不確定性，我們使用高斯過程（GP）回歸來評估在沒有COVID-19的情況下是否有合理的可能性降低CO _2 的排放。我們顯示，從2020年3月到2020年7月，每個月的CO_2_2排放量均低於沒有COVID-19的預期水平，但考慮到5％顯著性水平的假設檢驗，這些月減少量在統計上並不顯著。為了預測與COVID-19相關的CO _2 減排量是否將在電力行業中得以持續，我們評估了大流行對發電量（E）和電力供應碳強度（C / E）的相對影響。 ）。 E的平均水平比我們在沒有COVID-19的情況下從2020年3月到2020年7月的預期低2.9％。我們預計E會隨著美國經濟的復甦而反彈。確定的C / E平均比我們在沒有COVID-19的情況下從2020年3月到2020年7月的預期低2.7％。C/ E的降低主要歸因於燃煤發電量的減少。我們分析了美國運營的845座燃煤電廠到2021年的預期獲利能力。我們發現，在COVID-19之前，只有76座燃煤電廠（佔總燃煤發電量的1.3％）有望實現盈利，但不再有望盈利。我們得出的結論是，從長遠來看，COVID-19不太可能對美國電力部門的CO _2 排放產生重大影響。

異質性人群的SEIR模型：通勤和社會不平等在COVID-19動態中的作用

原文標題： SEIRD model in heterogenous populations: The role of commuting and social inequalities in the COVID-19 dynamics

地址： http://arxiv.org/abs/2008.06718

作者： João A. M. Gondim, Thiago Yukio Tanaka

摘要： 在本文中，我們分析了通勤和社會不平等對新型冠狀病毒（COVID-19）流行發展的影響。為此目的，我們考慮了SEIRD（易感，暴露，感染，康復和疾病死亡）模型，該模型在人口中沒有重要動態變化，這些人口被劃分為具有不同經濟資源的斑塊，個人可以從一個斑塊到另一個斑塊（雙向）通勤。 。在建模中，我們任意選擇社交和通勤參數。我們用下一代方法計算基本生殖數 R_0 ，並分析 R_0 對參數的敏感性。此外，我們在將種群分為兩個補丁的情況下進行數值模擬，以得出關於考慮異類種群的模型的總感染個體數和累積死亡的一些結論。

廣義線性閾值模型，用於改進對擴散動力學的描述

原文標題： A generalized linear threshold model for an improved description of the spreading dynamics

地址： http://arxiv.org/abs/2008.06834

作者： Yijun Ran, Xiaomin Deng, Xiaomeng Wang, Tao Jia

摘要： 我們現實生活中的許多傳播過程都可以視為複雜的傳染病，而線性閾值（LT）模型通常被用作該機制的非常有代表性的模型。儘管使用廣泛，但LT模型在描述擴展的時間演變時仍受到一些限制。首先，模糊地定義了刻畫擴展速度的離散時間步驟。其次，同步更新規則使節點被批量感染，不能考慮個體差異。最後，LT模型與現有模型不兼容，以進行簡單的傳播。在這裡，我們考慮了廣義線性閾值（GLT）模型，用於連續時間隨機複雜的傳染過程，該模型可以通過Gillespie算法有效地實現。該模型中的時間具有明確的數學定義，並且更新順序是嚴格定義的。我們發現傳統的LT模型系統地低估了擴展速度和擴展序列順序中的隨機性。我們還顯示，GLT模型可與易感性感染（SI）或易感性感染恢復（SIR）模型無縫協作。可以很容易地將它們組合起來，以建立一個混合傳播過程的模型，在該過程中，簡單的傳染積累了導致全球級聯的複雜傳染的臨界質量。總體而言，我們提出的GLT模型可以作為研究複雜傳染病的有用工具，尤其是在研究傳播的時間演變時。

社會疏遠的不連續過渡

原文標題： Discontinuous transitions of social distancing

地址： http://arxiv.org/abs/2008.06863

作者： R. Arazi, A. Feigel

摘要： COVID-19的第一波浪潮改變了全球範圍內的社會距離：在一系列封鎖解除之前，為了以國家經濟為代價而進行的嚴厲封鎖以制止流行病。要了解社會距離動態，重要的是將病毒傳播的基本流行病學模型（如SIR）與博弈論工具相結合，例如效用函數，該函數將個體或政府對流行病危害和經濟成本的預測量化為社會距離功能。在這裡，我們提出了一個模型，該模型預測了大流行高潮後社會疏離中的一系列不連續轉變。每個過渡都類似於一個相變，因此可能是一種普遍現象。奧地利，以色列和德國第一波的數據分析證實了該模型的正確性。此外，這項工作提出了分析大流行病波的分析工具。

實現黨派對稱：問題與悖論

原文標題： Implementing partisan symmetry: Problems and paradoxes

地址： http://arxiv.org/abs/2008.06930

作者： Daryl DeFord, Natasha Dhamankar, Moon Duchin, Varun Gupta, Mackenzie McPike, Gabe Schoenbach, Ki Wan Sim

摘要： 正如Katz-King-Rosenblatt所闡明和發展的那樣，我們考慮了在政治科學文獻中實際使用的黨派對稱性度量。基本的數學操作顯示出從均勻的黨派搖擺獲得的對稱性度量具有令人驚訝的特性。為了進行一般分析，我們針對猶他州，德克薩斯州和北卡羅來納州的最新投票模式研究了黨派對稱性的度量，並分別標出了問題所在。綜上所述，這些觀察結果應該引起人們對使用黨派對稱性的定量評分（包括均值中位數，黨派偏見評分和更普遍的「黨派對稱性標準」）進行十年關注的重新劃分的關注。

電力與大流行：探討COVID-19期間的全球電力需求變化

原文標題： Power and the Pandemic: Exploring Global Changes in Electricity Demand During COVID-19

地址： http://arxiv.org/abs/2008.06988

作者： Elizabeth Buechler, Siobhan Powell, Tao Sun, Chad Zanocco, Nicolas Astier, Jose Bolorinos, June Flora, Hilary Boudet, Ram Rajagopal

摘要： 了解限制COVID-19暴露的努力是如何改變電力需求的，這不僅提供了深刻的見解，還深刻地限制了電力需求的形成方式，也揭示了COVID-19後世界中未來的用電量。我們開發了一個統一的建模框架，以量化和比較2020年1月至5月全球58個國家和地區的用電量變化。我們發現，到2020年4月，與模擬需求相比，每天的電力需求下降了10％，並控制了天氣，季節和時間影響，但差異很大。聚類技術顯示，四個影響組可以捕捉到用電量變化的時間和深度方面的系統差異，從2％的輕微下降到26％的極端下降。這些類別與地理位置不符，幾乎每個大陸都有至少一個國家或地區的需求急劇減少，而沒有一個國家或地區則沒有。相反，我們發現這種變化與政府的限制和流動有關。政府的限制會對需求產生非線性影響，通常會在其最嚴格的限制水平上達到飽和，甚至在限制緩解時也會持續下去。移動性使人們對電力需求的變化更加關注，因為工作場所和住宅的移動性與日常需求變化密切相關。用電量的急劇下降與工作日每小時的負載模式有關，類似於COVID之前的周末使用。量化這些影響是理解大流行等危機影響以及相關社會對電力需求的影響的關鍵第一步。

Shifu2：基於網絡表示學習的導師-學生關係挖掘模型

原文標題： Shifu2: A Network Representation Learning Based Model for Advisor-advisee Relationship Mining

地址： http://arxiv.org/abs/2008.07097

作者： Jiaying Liu, Feng Xia, Lei Wang, Bo Xu, Xiangjie Kong, Hanghang Tong, Irwin King

摘要： 顧問與顧問的關係代表著直接的知識遺產，這種關係可能不易從大學圖書館和搜尋引擎獲得。這項工作旨在發現隱藏在科學協作網絡中的顧問與顧問的關係。為此，我們提出了一種基於網絡表示學習（NRL）的新穎模型，即Shifu2，該模型以協作網絡為輸入，而已標識的顧問與顧問關係為輸出。與現有的NRL模型相反，Shifu2不僅考慮了網絡結構，還考慮了節點和邊的語義信息。 Shifu2將節點和邊分別編碼為低維向量，然後將它們兩者用於識別顧問與顧問的關係。實驗結果表明，與最新方法相比，該模型具有更高的穩定性和有效性。此外，我們利用Shifu2生成了一個大規模的學術家譜數據集。

可危的軌跡：下一個難民被淹死有多遠？

原文標題： Precarious trajectories: How far away is the next refugee drowning?

地址： http://arxiv.org/abs/2008.07148

作者： Ashod Khederlarian, Martin Grant, Monika Halkort, Sara Najem

摘要： 在本文中，我們探索了難民在海中的溺水與地震發生之間的類比，並著眼於表徵其時空連續性統計的方面。前者顯示為與連續溺水事件的空間分布平行，不同之處在於後者在 kappa = 4km 以下表現出短距離行為，並且其特徵在於無標度統計，具有臨界指數 delta approx 0.5 ，落在地震 delta = 0.65 pm 0.20 範圍內，以及超出 kappa = 4km 的有限規模尺度，而事件發生率的分布與地震沒有相似之處。最後，事件的速度分布也被恢復。懷疑 kappa 與雷達和行動網路的覆蓋範圍有關，因此實際上代表了在海上溺水時拾取信號的能力的下降。

控制COVID-19在大學校園中的傳播

原文標題： Controlling the spread of COVID-19 on college campuses

地址： http://arxiv.org/abs/2008.07293

作者： Molly Borowiak, Fayfay Ning, Justin Pei, Sarah Zhao, Hwai-Ray Tung, Rick Durrett

摘要： 這項研究是在2020年5月18日至2020年7月10日在杜克大學進行的DOMath計劃期間進行的。當時，杜克大學和全國各地的其他大學都在爭論如何在秋季安全地歡迎學生回到校園的問題。因此，我們的項目著重於使用數學模型來評估抑制病毒在校園中傳播的策略，尤其是在宿舍和教室中。對於宿舍，我們表明為學生提供單人房而不是雙人間可以大大減少病毒傳播。對於教室，我們顯示，在線上移動具有大於某個臨界值的班級可以使基本複製數 R_0 <1 ，從而防止廣泛流行。臨界值將取決於教室中疾病的傳染性。

川普相關故事的計算時間線重建：故事動蕩、敘事控制和集體年代感

原文標題： Computational timeline reconstruction of the stories surrounding Trump: Story turbulence, narrative control, and collective chronopathy

地址： http://arxiv.org/abs/2008.07301

作者： P. S. Dodds, J. R. Minot, M. V. Arnold, T. Alshaabi, J. L. Adams, A. J. Reagan, C. M. Danforth

摘要： 衡量圍繞任何給定主題的故事的特定種類，時間順序，多樣性和周轉率，對於全面了解該主題的歷史影響至關重要。在這裡，我們將Twitter用作分布式新聞和輿論匯總源，以識別和跟蹤美國第45任總統唐納·川普周圍佔主導地位的日間新聞的動態。我們使用包含約200億個1克的數據集，首先將每天1克和2克的使用頻率與一年前的頻率進行比較，以創建2016年以來川普故事的日和周尺度時間表。我們衡量川普的敘事控制力，有關川普的故事或川普提出的故事的程度。然後，我們可以量化故事的動蕩和集體時效性-某個主題的人口故事似乎隨著時間變化的速率。我們顯示，2017年是川普最動蕩的一年，而故事的產生在2020年COVID-19大流行期間急劇放緩。川普在COVID-19大流行期間2個月的故事營業額與2017年9月的3天相當我們的方法可能適用於任何經過充分討論的現象，並且特別具有實現新聞，歷史和傳記的計算方面的潛力。

應用程式可以控制傳播嗎？基於主體的COVID-19模型和基於智慧型手機的聯繫人跟蹤的有效性

原文標題： Can the app contain the spread? An agent-based model of COVID-19 and the effectiveness of smartphone-based contact tracing

地址： http://arxiv.org/abs/2008.07336

作者： Jonatan Almagor, Stefano Picascia

摘要： 人們認為，在放鬆鎖定措施之後，必須採用接觸追蹤策略來遏制COVID-19的擴散。使用基於主體的模型，我們探索了一種提出的基於技術的策略，即聯繫人跟蹤智慧型手機應用程式。該模型模擬了COVID-19在城市規模的主體群體中的傳播。主體的特性各異，並通過代表社會結構的多層網絡連結在一起，包括家庭，友誼，就業和學校。我們探討了聯繫人跟蹤應用程式的各種採用率，不同級別的測試能力以及行為因素之間的相互作用，以評估這種跟蹤策略緩解該流行病的能力。結果表明，儘管不太可能實現病毒的完全抑制，但該應用程式可以為減少人群感染做出重大貢獻。該模型還顯示，儘管在大多數情況下採用該應用程式有助於控制流行病，但較高的採用率可能會導致測試需求大量增加，如果沒有足夠的供應量，則可能會使該應用程式適得其反。這表明了有效的測試策略的關鍵作用以及提高測試能力的必要性。

統計分析和區域表示學習，以理解COVID-19大流行

原文標題： Statistical Analytics and Regional Representation Learning for COVID-19 Pandemic Understanding

地址： http://arxiv.org/abs/2008.07342

作者： Shayan Fazeli, Babak Moatamed, Majid Sarrafzadeh

摘要： 新型冠狀病毒（COVID-19）的迅速傳播已嚴重影響了世界上幾乎所有國家。它不僅給醫療服務提供者帶來了沉重的負擔，而且還給經濟和社會生活帶來了嚴重影響。可靠數據的存在和深入統計分析的結果為研究人員和政策制定者提供了寶貴的信息，以使他們更清楚地了解這種流行病及其增長方式。本文結合併處理了一系列廣泛的公共可用數據集，以提供一個統一的信息來源，以代表與大流行相關的地理區域。這些功能分為不同類別，以根據與它們相關聯的更高級概念來考慮其影響。這項工作使用多種相關分析技術來觀察要素，要素組和COVID-19出現之間的值和順序關係。降維技術和投影方法用於闡述這些代表性特徵的個體和群體重要性。在這項工作中，針對預測事件建模，提出了一種稱為DoubleWindowLSTM-CP的基於RNN的特定推理管道。它利用順序模式，並在使用最少歷史數據的同時實現簡明的記錄表示。我們的統計分析的定量結果表明，關鍵模式反映了許多預期的集體行為及其相關的結果。使用DoubleWindowLSTM-CP實例進行的預測建模在定量和定性評估中顯示出有效的性能，同時減少了對大流行病的擴展和可靠歷史信息的需求。

超級傳播者和高差異性傳染病

原文標題： Superspreaders and High Variance Infectious Diseases

地址： http://arxiv.org/abs/2008.07352

作者： Yaron Oz, Ittai Rubinstein, Muli Safra

摘要： 大流行病（例如COVID-19）的一個眾所周知的特徵是感染傳播中的高水平傳播異質性：並非所有感染者都以相同的速度傳播疾病，並且某些人（超級傳播者）負責大多數感染。要量化此現象，需要分析方差和較高感染時刻的影響。在隨機分支過程的框架內，我們為感染分布的高方差方案中爆發的可能性推導了近似的解析公式，對其進行了數值驗證並在各種示例中分析了其有效性。我們表明即使基本繁殖數量 R_0 大於1，在高方差地區也不會發生暴發，並討論了我們的結果對COVID-19和其他流行病的影響。

駕駛員輔助車輛對通用二階交通模型的多尺度控制

原文標題： Multiscale control of generic second order traffic models by driver-assist vehicles

地址： http://arxiv.org/abs/2008.07439

作者： Felisia Angela Chiarello, Benedetto Piccoli, Andrea Tosin

摘要： 我們研究通過動力學方法從跟隨領導者的粒子描述推導通用高階宏觀交通模型。首先，我們恢復三階交通模型作為Enskog型動力學方程的水動力極限。接下來，我們在車輛交互中引入對駕駛員輔助車輛提供的自動反饋進行建模的二進位控制，並藉助另一個基於Enskog的流體動力學極限對這種新的粒子描述進行升級。現在，生成的宏觀模型是通用二階模型（GSOM），該模型又包含從微觀交互作用繼承的控制項。我們表明，可以選擇這樣的控制項，以便優化受GSOM動態約束的全球交通趨勢，例如車輛通量或道路擁堵。通過數值模擬，我們在一些特定的案例研究中研究了此控制層次結構的效果，這些案例例證了從車輛方向執行駕駛員輔助控制到其最佳流體力學設計的多尺度路徑。

聲明：Arxiv文章摘要版權歸論文原作者所有，機器翻譯後由本人進行校正整理，未經同意請勿隨意轉載。本系列在公眾號「網絡科學研究速遞」（netsci）和個人博客進行同步更新。