复杂网络动力学中的统计力学丨6月6日（周五）直播 · 第12期复杂网络动力学读书会

集智俱乐部 2025年06月04日 21:02 上海

导语

从社交关系的动态重组到神经信号的临界爆发，认识复杂网络中的实时动力学过程正重塑我们对系统演化的认知。在社交、生物、信息系统中，网络动力学过程被证实是涌现集体行为、临界相变等核心现象的基础机制，相关学者正探索共演化动力学与非平衡态过程临界行为这两大前沿方向，为揭示动态网络的演化规律开辟新视角。

「复杂网络动力学」读书会第十二期将由清华大学电子工程系博士后刘家臻分享，将展示网络中的动力学相变与关联性生长两类典型现象，揭示非平衡态动力学如何推动复杂网络结构的演化及临界现象的涌现，探索统计力学视角下的复杂网络动力学。本次分享将于6月6日（本周五）19:30-21:30进行，欢迎感兴趣的朋友参与讨论交流！

分享简介简介

复杂网络中的动力学过程已成为多个学科的研究热点，实证研究表明，这些过程是许多重要现象的根源。本报告将探讨两类特殊的动力学过程：共演化动力学和远离平衡态的动力学过程。首先，我们提出了一个结合节点行为与网络结构共同演化的框架，揭示了共演化动力学下，网络会涌现节点属性与结构的协同极化、信息同质化等非平凡现象，并通过大规模实证数据验证了这一理论。其次，远离平衡态的复杂网络表现出非平衡态临界行为，这些行为与传统平衡态理论及量子非平衡态预期有显著差异。本报告将展示网络中的动力学相变与关联性生长两类典型现象，揭示非平衡态动力学如何推动复杂网络结构的演化及临界现象的涌现，强调非线性机制在其中的关键作用。

分享内容大纲

1. 复杂系统理论中的随机热力学方法：Fokker-Planck and Langevin Dynamics.

2. 随机图理论和复杂系统的关联性动力学简介

3. 共演化复杂网络动力学驱动下的集体行为产生机制

4. 非平衡复杂网络下的相变、集体行为、和关联性动力学

主要涉及到的知识概念

共演化网络动力学，coevolving network dynamics

随机热力学，stochastic thermodynamics

随机图，random graph

福克普朗克方程，Fokker-Planck equations

动态相变，dynamical phase transition

朗之万动力学，Langevin dynamics

伊藤过程，Ito process

非平衡复杂网络，non-equilibrium networks

讲者介绍

清华大学水木博士后、清华大学电子工程系张克潜冠名博士后。入选国家级博士后人才计划。本科毕业于山东大学空间科学与物理专业。博士毕业于美国迈阿密大学（University of Miami）物理专业，导师为Chaoming Song教授。研究方向为复杂系统和统计物理，侧重于发展可解析理论模型并应用于复杂系统和复杂网络以及相关交叉学科研究。以（共同）第一作者在Physical Review Letters、Nature Machine Intelligence等期刊上发表科研成果。其研究成果被Nature Machine Intelligence、Physics World公开报道。

参考文献

1. BAKSHY, Eytan; MESSING, Solomon; ADAMIC, Lada A. Exposure to ideologically diverse news and opinion on Facebook. Science, 2015, 348.6239: 1130-1132.

2. PIAO, Jinghua, et al. Human–AI adaptive dynamics drives the emergence of information cocoons. Nature Machine Intelligence, 2023, 5.11: 1214-1224.

3. LIU, Jiazhen, et al. Emergence of polarization in coevolving networks. Physical Review Letters, 2023, 130.3: 037401.

4. TANG, Ying, et al. Learning nonequilibrium statistical mechanics and dynamical phase transitions. Nature Communications, 2024, 15.1: 1117.

5. JOHNSON, Neil F., et al. New online ecology of adversarial aggregates: ISIS and beyond. Science, 2016, 352.6292: 1459-1463.

6. Manrique, P. D., Zheng, M., Cao, Z., Restrepo, E. M., & Johnson, N. F. (2018). Generalized gelation theory describes onset of online extremist support. Physical review letters, 121(4), 048301.

7. LIU, Jiazhen, et al. Dynamical Phase Transitions in Non-equilibrium Networks. arXiv preprint arXiv:2412.06704, 2024.

8. ALBERT, Réka; BARABÁSI, Albert-László. Statistical mechanics of complex networks. Reviews of modern physics, 2002, 74.1: 47.

9. BARABÁSI, Albert-László; ALBERT, Réka. Emergence of scaling in random networks. science, 1999, 286.5439: 509-512.

10. Bianconi, G., & Barabási, A. L. (2001). Bose-Einstein condensation in complex networks. Physical review letters, 86(24), 5632.

11. PAPADOPOULOS, Fragkiskos, et al. Popularity versus similarity in growing networks. Nature, 2012, 489.7417: 537-540.

12. CALDARELLI, Guido, et al. Scale-free networks from varying vertex intrinsic fitness. Physical review letters, 2002, 89.25: 258702.

13. Ching Jin, Chaoming Song, Johannes Bjelland, Geoffrey Canright, and Dashun Wang. Emergence of scaling in complex substitutive systems. Nature human behaviour, 3(8):837–846, 2019.

14. KHAREL, Shubha R., et al. Degree-preserving network growth. Nature Physics, 2022, 18.1: 100-106.

15. LIU, Jiazhen, et al. Correlated Growth of Causal Networks. arXiv preprint arXiv:2412.16647, 2024.

报名参与读书会