- 有针对性的干预措施可减少COVID-19的传播：真实交通数据的模拟研究;
- 发明者和物理学家群体中集体遗忘和文化选择性的增加;
- 美国电力部门没有COVID-19对气候的“一点慰藉”：CO2的减排量在统计上并不显著，对燃煤发电机的额外风险最小;
- 异质性人群的SEIR模型：通勤和社会不平等在COVID-19动态中的作用;
- 广义线性阈值模型，用于改进对扩散动力学的描述;
- 社会疏远的不连续过渡;
- 实现党派对称：问题与悖论;
- 电力与大流行：探讨COVID-19期间的全球电力需求变化;
- Shifu2：基于网络表示学习的导师-学生关系挖掘模型;
- 可危的轨迹：下一个难民被淹死有多远？;
- 控制COVID-19在大学校园中的传播;
- 特朗普相关故事的计算时间线重建：故事动荡、叙事控制和集体年代感;
- 应用程序可以控制传播吗？基于主体的COVID-19模型和基于智能手机的联系人跟踪的有效性;
- 统计分析和区域表示学习，以理解COVID-19大流行;
- 超级传播者和高差异性传染病;
- 驾驶员辅助车辆对通用二阶交通模型的多尺度控制;
有针对性的干预措施可减少COVID-19的传播：真实交通数据的模拟研究
原文标题： 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： 通过以不同方式限制人类活动，已在世界范围内引入了各种干预方法来减慢SARS-CoV-2病毒的传播。虽然大规模的锁定策略可以有效地降低传播速度，但它们的代价是明显限制了社会功能。我们表明，人类的自然流动性具有高度的多样性和异质性，因此一小群人和聚会场所在该疾病的传播中起着重要作用。我们发现，专注于保护最活跃的个体和最流行的场所的干预措施可以显著降低峰值感染率和感染人数，同时总体上保持较高水平的社会活动。在使用三种不同规模，分辨率和模式的移动性数据集（在七个不同城市的值机，大学中的WiFi连接事件以及电动自行车的GPS轨迹）的多智能体模拟中，普遍观察到了这种趋势。利用网络在人类流动中的作用的策略在疾病控制和正常社交活动之间提供了更好的平衡。
发明者和物理学家群体中集体遗忘和文化选择性的增加
原文标题： 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： 多久才忘记这篇论文？集体遗忘是一个过程，随着时间的流逝，文化作品所引起的注意力下降。最近的工作将这种衰变建模为两个不同过程的结果，一个过程与沟通记忆（由人类交流维持的记忆）和文化记忆（由内容的物理记录维持）相关联。然而，人们对集体如何随时间忘记动态变化知之甚少。被遗忘的旧文化作品的发生率低于新文化吗？在这里，我们通过关注两个知识社区（发明家和物理学家）研究集体记忆和注意力的时间变化。我们使用来自美国专利商标局（USPTO）的专利数据和在美国物理学会（APS）上发表的物理学论文来量化集体遗忘随着时间的变化。该模型使我们能够区分遗忘的两个分支。一个分支是短暂的，直接从沟通记忆变成遗忘。另一个是长期存在的，从交流到文化记忆再到遗忘。数据分析显示，随着信息的增长，两个社区的遗忘率都在增加。此外，这些知识社区似乎在增加将有价值的文化作品存储在其文化记忆中的选择性。这些发现为遗忘作为一种废止假说提供了经验证实，并表明知识社区可以有效地减缓集体遗忘的兴起，从而提高其文化选择性。
美国电力部门没有COVID-19对气候的“一点慰藉”：CO2的减排量在统计上并不显著，对燃煤发电机的额外风险最小
原文标题： 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： 最近的研究得出结论，全球冠状病毒（COVID-19）大流行减少了全球电力部门的CO _2 排放。我们分析了美国电力行业从2020年3月到2020年7月CO_2_2减排量的统计显著性，并提出了模型告知的对CO_2_2 减排量持续减少的预期。考虑到与大流行无关的因素带来的不确定性，我们使用高斯过程（GP）回归来评估在没有COVID-19的情况下是否有合理的可能性降低CO _2 的排放。我们显示，从2020年3月到2020年7月，每个月的CO_2_2排放量均低于没有COVID-19的预期水平，但考虑到5％显著性水平的假设检验，这些月减少量在统计上并不显著。为了预测与COVID-19相关的CO _2 减排量是否将在电力行业中得以持续，我们评估了大流行对发电量（E）和电力供应碳强度（C / E）的相对影响。 ）。 E的平均水平比我们在没有COVID-19的情况下从2020年3月到2020年7月的预期低2.9％。我们预计E会随着美国经济的复苏而反弹。确定的C / E平均比我们在没有COVID-19的情况下从2020年3月到2020年7月的预期低2.7％。C/ E的降低主要归因于燃煤发电量的减少。我们分析了美国运营的845座燃煤电厂到2021年的预期获利能力。我们发现，在COVID-19之前，只有76座燃煤电厂（占总燃煤发电量的1.3％）有望实现盈利，但不再有望盈利。我们得出的结论是，从长远来看，COVID-19不太可能对美国电力部门的CO _2 排放产生重大影响。
异质性人群的SEIR模型：通勤和社会不平等在COVID-19动态中的作用
原文标题： 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，我们分析了通勤和社会不平等对新型冠状病毒（COVID-19）流行发展的影响。为此目的，我们考虑了SEIRD（易感，暴露，感染，康复和疾病死亡）模型，该模型在人口中没有重要动态变化，这些人口被划分为具有不同经济资源的斑块，个人可以从一个斑块到另一个斑块（双向）通勤。 。在建模中，我们任意选择社交和通勤参数。我们用下一代方法计算基本生殖数 R_0 ，并分析 R_0 对参数的敏感性。此外，我们在将种群分为两个补丁的情况下进行数值模拟，以得出关于考虑异类种群的模型的总感染个体数和累积死亡的一些结论。
广义线性阈值模型，用于改进对扩散动力学的描述
原文标题： 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： 我们现实生活中的许多传播过程都可以视为复杂的传染病，而线性阈值（LT）模型通常被用作该机制的非常有代表性的模型。尽管使用广泛，但LT模型在描述扩展的时间演变时仍受到一些限制。首先，模糊地定义了刻画扩展速度的离散时间步骤。其次，同步更新规则使节点被批量感染，不能考虑个体差异。最后，LT模型与现有模型不兼容，以进行简单的传播。在这里，我们考虑了广义线性阈值（GLT）模型，用于连续时间随机复杂的传染过程，该模型可以通过Gillespie算法有效地实现。该模型中的时间具有明确的数学定义，并且更新顺序是严格定义的。我们发现传统的LT模型系统地低估了扩展速度和扩展序列顺序中的随机性。我们还显示，GLT模型可与易感性感染（SI）或易感性感染恢复（SIR）模型无缝协作。可以很容易地将它们组合起来，以建立一个混合传播过程的模型，在该过程中，简单的传染积累了导致全球级联的复杂传染的临界质量。总体而言，我们提出的GLT模型可以作为研究复杂传染病的有用工具，尤其是在研究传播的时间演变时。
社会疏远的不连续过渡
原文标题： Discontinuous transitions of social distancing
地址： http://arxiv.org/abs/2008.06863
作者： R. Arazi, A. Feigel
摘要： COVID-19的第一波浪潮改变了全球范围内的社会距离：在一系列封锁解除之前，为了以国家经济为代价而进行的严厉封锁以制止流行病。要了解社会距离动态，重要的是将病毒传播的基本流行病学模型（如SIR）与博弈论工具相结合，例如效用函数，该函数将个体或政府对流行病危害和经济成本的预测量化为社会距离功能。在这里，我们提出了一个模型，该模型预测了大流行高潮后社会疏离中的一系列不连续转变。每个过渡都类似于一个相变，因此可能是一种普遍现象。奥地利，以色列和德国第一波的数据分析证实了该模型的正确性。此外，这项工作提出了分析大流行病波的分析工具。
实现党派对称：问题与悖论
原文标题： 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所阐明和发展的那样，我们考虑了在政治科学文献中实际使用的党派对称性度量。基本的数学操作显示出从均匀的党派摇摆获得的对称性度量具有令人惊讶的特性。为了进行一般分析，我们针对犹他州，德克萨斯州和北卡罗来纳州的最新投票模式研究了党派对称性的度量，并分别标出了问题所在。综上所述，这些观察结果应该引起人们对使用党派对称性的定量评分（包括均值中位数，党派偏见评分和更普遍的“党派对称性标准”）进行十年关注的重新划分的关注。
电力与大流行：探讨COVID-19期间的全球电力需求变化
原文标题： 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变电力需求的，这不仅提供了深刻的见解，还深刻地限制了电力需求的形成方式，也揭示了COVID-19后世界中未来的用电量。我们开发了一个统一的建模框架，以量化和比较2020年1月至5月全球58个国家和地区的用电量变化。我们发现，到2020年4月，与模拟需求相比，每天的电力需求下降了10％，并控制了天气，季节和时间影响，但差异很大。聚类技术显示，四个影响组可以捕捉到用电量变化的时间和深度方面的系统差异，从2％的轻微下降到26％的极端下降。这些类别与地理位置不符，几乎每个大陆都有至少一个国家或地区的需求急剧减少，而没有一个国家或地区则没有。相反，我们发现这种变化与政府的限制和流动有关。政府的限制会对需求产生非线性影响，通常会在其最严格的限制水平上达到饱和，甚至在限制缓解时也会持续下去。移动性使人们对电力需求的变化更加关注，因为工作场所和住宅的移动性与日常需求变化密切相关。用电量的急剧下降与工作日每小时的负载模式有关，类似于COVID之前的周末使用。量化这些影响是理解大流行等危机影响以及相关社会对电力需求的影响的关键第一步。
Shifu2：基于网络表示学习的导师-学生关系挖掘模型
原文标题： 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： 顾问与顾问的关系代表着直接的知识遗产，这种关系可能不易从大学图书馆和搜索引擎获得。这项工作旨在发现隐藏在科学协作网络中的顾问与顾问的关系。为此，我们提出了一种基于网络表示学习（NRL）的新颖模型，即Shifu2，该模型以协作网络为输入，而已标识的顾问与顾问关系为输出。与现有的NRL模型相反，Shifu2不仅考虑了网络结构，还考虑了节点和边的语义信息。 Shifu2将节点和边分别编码为低维向量，然后将它们两者用于识别顾问与顾问的关系。实验结果表明，与最新方法相比，该模型具有更高的稳定性和有效性。此外，我们利用Shifu2生成了一个大规模的学术家谱数据集。
可危的轨迹：下一个难民被淹死有多远？
原文标题： 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，我们探索了难民在海中的溺水与地震发生之间的类比，并着眼于表征其时空连续性统计的方面。前者显示为与连续溺水事件的空间分布平行，不同之处在于后者在 kappa = 4km 以下表现出短距离行为，并且其特征在于无标度统计，具有临界指数 delta approx 0.5 ，落在地震 delta = 0.65 pm 0.20 范围内，以及超出 kappa = 4km 的有限规模尺度，而事件发生率的分布与地震没有相似之处。最后，事件的速度分布也被恢复。怀疑 kappa 与雷达和移动网络的覆盖范围有关，因此实际上代表了在海上溺水时拾取信号的能力的下降。
控制COVID-19在大学校园中的传播
原文标题： 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： 这项研究是在2020年5月18日至2020年7月10日在杜克大学进行的DOMath计划期间进行的。当时，杜克大学和全国各地的其他大学都在争论如何在秋季安全地欢迎学生回到校园的问题。因此，我们的项目着重于使用数学模型来评估抑制病毒在校园中传播的策略，尤其是在宿舍和教室中。对于宿舍，我们表明为学生提供单人房而不是双人间可以大大减少病毒传播。对于教室，我们显示，在线上移动具有大于某个临界值的班级可以使基本复制数 R_0 <1 ，从而防止广泛流行。临界值将取决于教室中疾病的传染性。
特朗普相关故事的计算时间线重建：故事动荡、叙事控制和集体年代感
原文标题： 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： 衡量围绕任何给定主题的故事的特定种类，时间顺序，多样性和周转率，对于全面了解该主题的历史影响至关重要。在这里，我们将Twitter用作分布式新闻和舆论汇总源，以识别和跟踪美国第45任总统唐纳德·特朗普周围占主导地位的日间新闻的动态。我们使用包含约200亿个1克的数据集，首先将每天1克和2克的使用频率与一年前的频率进行比较，以创建2016年以来特朗普故事的日和周尺度时间表。我们衡量特朗普的叙事控制力，有关特朗普的故事或特朗普提出的故事的程度。然后，我们可以量化故事的动荡和集体时效性-某个主题的人口故事似乎随着时间变化的速率。我们显示，2017年是特朗普最动荡的一年，而故事的产生在2020年COVID-19大流行期间急剧放缓。特朗普在COVID-19大流行期间2个月的故事营业额与2017年9月的3天相当我们的方法可能适用于任何经过充分讨论的现象，并且特别具有实现新闻，历史和传记的计算方面的潜力。
应用程序可以控制传播吗？基于主体的COVID-19模型和基于智能手机的联系人跟踪的有效性
原文标题： 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： 人们认为，在放松锁定措施之后，必须采用接触追踪策略来遏制COVID-19的扩散。使用基于主体的模型，我们探索了一种提出的基于技术的策略，即联系人跟踪智能手机应用程序。该模型模拟了COVID-19在城市规模的主体群体中的传播。主体的特性各异，并通过代表社会结构的多层网络链接在一起，包括家庭，友谊，就业和学校。我们探讨了联系人跟踪应用程序的各种采用率，不同级别的测试能力以及行为因素之间的相互作用，以评估这种跟踪策略缓解该流行病的能力。结果表明，尽管不太可能实现病毒的完全抑制，但该应用程序可以为减少人群感染做出重大贡献。该模型还显示，尽管在大多数情况下采用该应用程序有助于控制流行病，但较高的采用率可能会导致测试需求大量增加，如果没有足够的供应量，则可能会使该应用程序适得其反。这表明了有效的测试策略的关键作用以及提高测试能力的必要性。
统计分析和区域表示学习，以理解COVID-19大流行
原文标题： 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： 新型冠状病毒（COVID-19）的迅速传播已严重影响了世界上几乎所有国家。它不仅给医疗服务提供者带来了沉重的负担，而且还给经济和社会生活带来了严重影响。可靠数据的存在和深入统计分析的结果为研究人员和政策制定者提供了宝贵的信息，以使他们更清楚地了解这种流行病及其增长方式。本文结合并处理了一系列广泛的公共可用数据集，以提供一个统一的信息来源，以代表与大流行相关的地理区域。这些功能分为不同类别，以根据与它们相关联的更高级概念来考虑其影响。这项工作使用多种相关分析技术来观察要素，要素组和COVID-19出现之间的值和顺序关系。降维技术和投影方法用于阐述这些代表性特征的个体和群体重要性。在这项工作中，针对预测事件建模，提出了一种称为DoubleWindowLSTM-CP的基于RNN的特定推理管道。它利用顺序模式，并在使用最少历史数据的同时实现简明的记录表示。我们的统计分析的定量结果表明，关键模式反映了许多预期的集体行为及其相关的结果。使用DoubleWindowLSTM-CP实例进行的预测建模在定量和定性评估中显示出有效的性能，同时减少了对大流行病的扩展和可靠历史信息的需求。
超级传播者和高差异性传染病
原文标题： 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）的一个众所周知的特征是感染传播中的高水平传播异质性：并非所有感染者都以相同的速度传播疾病，并且某些人（超级传播者）负责大多数感染。要量化此现象，需要分析方差和较高感染时刻的影响。在随机分支过程的框架内，我们为感染分布的高方差方案中爆发的可能性推导了近似的解析公式，对其进行了数值验证并在各种示例中分析了其有效性。我们表明即使基本繁殖数量 R_0 大于1，在高方差地区也不会发生暴发，并讨论了我们的结果对COVID-19和其他流行病的影响。
驾驶员辅助车辆对通用二阶交通模型的多尺度控制
原文标题： 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： 我们研究通过动力学方法从跟随领导者的粒子描述推导通用高阶宏观交通模型。首先，我们恢复三阶交通模型作为Enskog型动力学方程的水动力极限。接下来，我们在车辆交互中引入对驾驶员辅助车辆提供的自动反馈进行建模的二进制控制，并借助另一个基于Enskog的流体动力学极限对这种新的粒子描述进行升级。现在，生成的宏观模型是通用二阶模型（GSOM），该模型又包含从微观交互作用继承的控制项。我们表明，可以选择这样的控件，以便优化受GSOM动态约束的全球交通趋势，例如车辆通量或道路拥堵。通过数值模拟，我们在一些特定的案例研究中研究了此控制层次结构的效果，这些案例例证了从车辆方向执行驾驶员辅助控制到其最佳流体力学设计的多尺度路径。
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://www.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。