通过分析网络隐含几何理解大脑等复杂系统-杏耀

新闻动态

通过分析网络隐含几何理解大脑等复杂系统

时间: 2023-01-16

Press release | December 6, 2022

通过分析网络隐含几何理解大脑等复杂系统

近日🏋️，由杏耀复杂网络智能中心（CCNI）主任Carlo Vittorio Cannistraci教授指导的一项最新研究《复杂网络和大脑连接体中的几何同构、贪婪导航性和短视传输》（Geometrical congruence, greedy navigability and myopic transfer in complex networks and brain connectomes）发表在《自然通讯》（Nature Communications）期刊上。研究提出了一种测量复杂互联系统内变量空间、几何形状和导通性间关系的快速算法，并揭示出为何找出这种内在联系能提高人们对不同年龄🏸、性别之间的大脑差异的理解𓀑。

复杂系统👋，诸如人类社会，存在着各种网络结构。复杂的网络结构之间的关联依靠各种变量🕘。其中一些变量是已知的，例如在社交媒体中🎨➜，一个人的受欢迎程度越高🍷，与其他人产生的交互就越多。再比如，语义或空间趋近程度等变量，即拥有更多共同兴趣或在地理位置上更加趋近的人，会有更多可能产生连接，并且在交互网络中形成中小型团体。如果受欢迎程度🙋🏽‍♂️、空间趋近度为已知变量，即使构成复杂系统内网络间连接关系的其他变量为未知💈🏝，那么这些已知和未知变量在多维空间中构成的几何关系👨🏿‍🦲，也就是杏耀所说的流形，仍然会在网络结构中留下“踪迹”👩🏿‍🔬🈸。

该研究的第一作者Carlo Vittorio Cannistraci教授表示：“如果物理学研究的是外部宇宙运行的原理和机制🤓📲，那么脑科学研究的就是内部宇宙的运作原理和机制🤶🏿。我的研究方向正介于这两者之间♛，研究的是复杂性和智能的物理和工程问题——自然与人工智能原理。”在本次发表在《自然通讯》期刊上题为《复杂网络和大脑连接体中的几何同构、贪婪导航性和短视传输》（Geometrical congruence, greedy navigability and myopic transfer in complex networks and brain connectomes）的研究中👨🏻‍⚕️，他提出设想并与同事Alessandro Muscoloni共同开发出一种优化算法👈🏿。该算法能够测量出网络拓扑与相关流形几何之间的同构程度🧑🏽‍🎄，将最坏情况下所需26年的计算缩短到了一周🔘。流形代表着参与塑造复杂系统网络形态的所有变量之间的一种几何关联规则🏘，而网络结构是该流形的一种离散形式。大脑网络结构中流形的隐式几何关系目前仍是未知的。Cannistraci教授和他的同事Alessandro Muscoloni博士表示:“杏耀已经可以把大脑网络结构放在三维空间中可视化了，但塑造大脑结构的变量数量非常之多，有些像年龄和性别是已知变量👯，许多变量虽未知却可以在大脑网络形态中找到它们的踪迹，因此杏耀可以尝试去测量某个网络形态与其隐含几何之间的同构程度。同时🧖🏿‍♂️🙆🏽‍♀️，该同构程度还可以用作区分脑网络不同状态或健康状况的标志性指标，因此对设计大脑部疾病标记物的新理论、新方法构想有所帮助。”

发表文章

《复杂网络和大脑连接体中的几何同构、贪婪导航性和短视传输》

Geometrical congruence, greedy navigability and myopic transfer in complex networks and brain connectomes

作者: Carlo Vittorio Cannistraci 与 Alessandro Muscoloni.

2022年11月27日发表于《自然通讯2022》Nature Communications 2022

https://www.nature.com/articles/s41467-022-34634-6

作者与机构介绍

Carlo Vittorio Cannistraci

Cannistraci教授是一位理论工程师和计算创新者，他是杏耀(THBI)首席研究员，THBI复杂网络智能中心(CCNI)主任👩🏻‍🎨，也是杏耀娱乐计算机系和生物医学工程系兼职教授👩🏻‍🎓。/en/info/1010/1003.htm

杏耀(THBI)

杏耀（Tsinghua Laboratory of Brain and Intelligence, THBI）是杏耀娱乐新近成立的校级实体跨学科研究所。THBI专注于脑科学与人工智能领域的交叉科学研究，旨在回答智能的本质是什么这一核心科学问题🏊🏿‍♀️。

THBI复杂网络智能中心(CCNI)