艾评出版社:2018年1月5-8日，国际网络科学大会NetSciX 2018在浙江杭州举行。本次大会是网络科学系列会议首次在国内召开，由网络科学协会主办，杭州师范大学阿里巴巴商学院承办。雷锋网《AI技术评论》特邀作者北京邮电大学张振平撰写的解读稿件，未经允许不得转载。
网络科学是研究现实中复杂网络的学术研究领域，如通信网络、计算机网络、生物网络、认知和语义网络等。在这个学科中，点用来表示构成网络的元素，边用来表示节点之间的关系和交互。在此基础上，研究了网络的演化过程、拓扑结构和动力学性质。
网络科学是典型的交叉学科，它融合了多门学科的理论和方法，包括数学中的图论、物理学中的统计力学、计算机科学中的数据挖掘和信息可视化、统计学中的推理建模和社会学中的社会结构理论。美国国家科学研究委员会将网络科学定义为“研究物理、生物和社会现象，并最终为这些复杂现象建立预测模型的网络表示方法”。。
网络科学广阔的应用前景和迅猛的发展，引起了世界各国政府和知名学者的关注。2016年，中国计算机联合会理事长李国杰院士在《中国计算机联合会通讯》上发表了题为《网络科学:21世纪的元科学》的主编评论，指出数据科学和网络科学是孪生学科，两者相辅相成。李国杰院士强烈建议信息领域的学者参与网络科学的研究。文章写道，“网络科学不仅是一门真正的科学，也是一门物理学。网络科学是数据驱动的科学，从现象到机理，再到预测现象。如果说现在的人工智能，尤其是深度学习，还是一个灰盒子，那么网络科学可能会成为打开这个盒子的钥匙之一。
国际网络科学协会(International Network Science Association)是由网络科学创始人巴拉巴希(Barabási)发起的国际研究协会，汇集了对网络科学感兴趣的各个学科的研究人员。该协会每年举办一次年会，名为NetSci，至今已举办12届。以往会议的地点如下:
NetSci 2017、印第安纳波利斯NetSci 2016、SeoulNetSci 2015、萨拉戈萨NetSci 2014、伯克利CANetSci 2013、哥本哈根NetSci 2012、埃文斯顿ILNetSci 2011、布达佩斯NetSci 2010、波士顿MANetSci 2009、威尼斯意大利NetSci 2008、诺维克UKNetSci 2007、纽约NYNetSci 2006、布鲁明顿
由于网络科学的快速发展，为了满足交流的需要，协会还开设了网络科学年会的姊妹会——NetSciX，至今已举办三届。以往会议的地点如下:
NetSciX 2017，Tel-AvivNetSciX 2016，PolandNetSciX 2015，里约
今年的NetSciX大会分为两部分。1月5日是讲座学校。大会邀请了国际顶尖学者，为刚刚踏入网络科学研究领域的学生和青年学者提供了许多基础讲座。6月6 -8日为大会时间，包括特邀报告、大会报告、分会报告、海报四个部分。此外，大会还邀请了业内专家举办了多场不同主题的小型研讨会，打破了学术界和业界的研究壁垒，让学术界和业界能够进行充分的交流。
本次大会邀请了一系列学术大牛做主题演讲，包括:
阿尔伯特-拉斯洛·巴拉巴希——东北大学教授、APS院士、网络科学创始人、无标度网络的提出者陈冠荣——乔春明香港城市大学教授、欧洲科学院院士Raissa m . D ' Souza——加州大学教授、APS院士、网络科学协会主席于尔根·库尔茨——波茨坦气候影响研究所教授、APS院士、欧洲科学院院士赖英成——亚利桑那州立大学教授、APS院士卢西亚诺·彼得罗内罗——教授
此外，还邀请了网络科学领域的优秀中青年学者进行专题讲座，包括:
萨卡人·贾兰——印度印多尔理工学院副教授Ha Woong Jeong——韩国高等科技学院教授李翔——复旦大学教授Filippo radic hi——印第安纳大学教授Martha Sales-Pardo、罗维拉一维尔吉利大学副教授James Gleeson、利默里克大学教授王大顺、西北大学副教授周涛、电子科技大学教授
四天时间里，数十位国内外顶尖学者在网络科学范围内，谈了一个或几个不同的研究方向，可谓干货。
下面重点复习一下讲座学校的主要内容。学校邀请国际顶尖学者为刚踏入网络科学研究领域的学生和青年学者提供四个基础讲座，分别是:
复杂性和疾病传播；网络和控制论视角下的人类微生物组研究:互联网中的大规模结构:隐藏的社区和潜在的等级结构；多层网络研究。
维多利亚·科利扎:传染病全球爆发的可预测性和流行途径:SARS案例研究
维多利亚·科利扎来自法国国家健康和医学研究所。她的演讲内容聚焦于网络科学的经典话题——传染病传播。由于她在疾病传播的基础研究和数据驱动网络建模方面的开创性工作，她在2017年获得了Erds–réNyi奖。该奖项以随机图论先驱ERDS和雷尼的名字命名，由网络科学协会授予在网络科学领域做出突出贡献的青年科学家。
Colizza主要介绍了2007年发表在BMC Medicine上的工作。2002-2003年SARS在全球肆虐，这清楚地表明了长途运输网络对于了解疾病爆发的重要性。作者结合大规模交通数据，更好地模拟真实的疾病传播过程。
为了评估模型的预测能力，作者以SARS的全球传播为例。并且使用香港的实际数据来初始化参数和条件。同时，对暴发的可能性和传播途径进行了分析。模拟结果很好地拟合了SARS的全球传播。
科利扎总结了这次演讲。长程流动性和人口统计学变量可以提高疾病传播模型的预测能力，并且可以被持续检验。这种建模策略可以作为分析和预测全球疾病传播的通用方法，为遏制疾病传播和避免灾难性后果提供决策支持。
杨和:研究人类微生物群落的网络和控制理论方法
刘，哈佛大学医学院副教授，布莱根妇女医院副研究员。他的研究兴趣广泛，包括人类植物群和群落生态学、复杂系统的控制原理、复杂网络的结构和动力学、生物信息学和机器学习。本讲座重点介绍用网络科学方法和控制论对人类微生物群的研究。
这篇演讲的主要内容是2016年发表在《自然》杂志上的论文《人类微生物动力学的普遍性》。人体的微生物群落决定了我们的健康和幸福。近年来，基于微生物群落的治疗方法，如粪便微生物群落移植，不断得到研究。这些微生物群是非常复杂、动态和个性化的生态系统，在物种组合和丰富性方面表现出高度的个体多样性。到目前为止，尚未解决的问题是，这些微生物群落背后的生态动力学是一致的还是个体的，取决于宿主，以种群动力学模型中的增长率、种内和种间相互作用来衡量。如果微生物组动力学依赖于宿主的生活方式、生理功能和基因，那么一般的微生物干预措施会带来不可预知的结果，使措施无效甚至是灾难性的。或者，微生物群可能遵守宇宙法则。
刘等人提出了一种新的计算方法来表征人类微生物群，并将其应用于两个大规模的宏基因组研究。结果表明，肠道菌群和口腔菌群呈现普遍规律，而与特定皮肤部位相关的菌群受宿主差异影响。如下图所示，除了SMP研究中的前额和手掌，HMP研究中的左右肘窝，其他部位的菌群是不同的。
丹·拉勒莫尔:网络中的大规模结构:隐藏的社区和潜在的等级制度
Larremore是科罗拉多大学的助理教授。在数学和统计物理方面有扎实的基础和丰富的研究积累。他还在科罗拉多大学的计算机系和生物前沿研究所工作。
Larremore从结构发现的意义开始。科学在于发现规律，简化复杂现象，而结构是不同于噪音的信息，有助于我们理解哪些是网络的重要组成部分，以及这些组成部分是如何连接成一个整体的。现有的研究使用匹配系数和模块性来度量和发现社区结构。然而，尽管模块化的概念清晰简单，却存在一个悖论，因为即使是随机网络也可以划分出模块化程度高的社区。生成网络模型是一种常用的研究方法。一方面可以根据模型和参数再现实际数据；另一方面，它可以从实际数据中推断出网络的生成过程和参数。
最后，Larremore介绍了社区发现的研究前沿课题:
分层社区，我们观察到的网络有重叠和交叉，但我们可以根据节点类型和时间对网络进行分层，从而更好地揭示网络结构和规律；混合划分，其中边代表隶属关系，节点根据连接的边分成不同的组；多层网络，多个网络的叠加，除了传统网络中的节点和边，还增加了一个网络层次的属性；全面的元数据社区划分，元数据是指关于数据的数据，通常是数据的描述性信息，比如节点的标签，可以作为约束来帮助更好的划分社区。笔者认为需要在通用模型和定制模型之间做一个取舍，科学的问题会不断驱动新的社区划分方式的出现。
比安科尼吉内斯特拉:多层网络
比安科尼教授来自伦敦玛丽女王大学。他的研究兴趣包括网络统计力学、生物网络、凝聚态物质中的复杂和临界现象。该报告重点研究了多层网络的结构和动力学，研究结果于2014年发表在物理学领域的权威期刊《物理学报告》上。
如果我们仔细环顾四周，马上可以发现生活中的各种现象都是由基本元素通过复杂的模式不断相互作用而产生的。网络科学将基本元素抽象为节点，将节点之间的相互作用抽象为边，有助于我们理解现象，发现规律，找到控制网络的方法。
传统的复杂网络方法不区分点和边的类型，严重限制了网络的实际应用。为此，作者列举了三个实用网络来说明。
脸书朋友网。两个用户在脸书上成为朋友，可能是因为他们是同一个足球队的同事或球迷，也可能是因为他们经常在假期见面，这些不同的朋友在信息传播中扮演着不同的角色。如果一个人得到了一个信息，想要传播出去，他选择的渠道显然是不一样的。所以，比较合理的做法是，为社会关系形成的每个群体建立一个网络，然后限制不同网络之间的传播。
导航空网络。航班延误，人们需要改期，但首先要考虑的是原航空公司空公司的航班。这个时候网络是分层的，每个航空公司空公司的航线网络形成一层，所以人们优先选择所在的网络来重新安排。
生物网络。生物学家详细观察新杆线虫的神经网络，包括281个神经元和2000多个连接。这些连接分为两类:化学连接和离子连接，而这两类连接具有完全不同的动力学特征，导致不同层神经元的性质和重要性完全不同。如果不区分边的类型对节点进行排序，将会得到错误的结论。
根据作者常见的图书写作结构，总结了现有的多层网络研究:
多层网络的结构，介绍了定义多层网络的常用数学概念，包括中心性、聚集系数、特征谱、基序、相关性等。
多层网络的网络生成模型，包括生成多层网络的网络和网络；
多层网络的鲁棒性和渗流，特别是考虑网络间相互依赖的渗流过程；
多层网络上的传播过程与进化博弈:
多层网络上的同步现象；
多层网络在社会科学、技术、经济、气候预测、生态学和生物医学中的应用。
最后，作者对多层网络的研究进行了总结和展望。多层网络无疑是复杂网络研究的前沿课题，表现出与单层网络截然不同的性质，展现出许多有意义的新规律。比如发现网络的相互依赖是系统脆弱性的根源之一，未来的研究可以根据以上总结进行更深入的研究。
AI回顾总结:本次讲座学校邀请了四位优秀的青年科学家介绍近年来的研究前沿，包括两场复杂网络基础研究的讲座和两场复杂网络在重要领域的应用。
一天之内，四位学者从各个角度对复杂的网络科学进行了详细、全方位的解读。
从学生的角度可以发现，在原有的以物理、数学为主的网络科学研究人员的基础上，增加了计算机科学、生物科学、医学等新的研究人员，网络科学研究群体不断多元化，相互间深度互动。这是网络科学本身魅力和潜力的展示，也是网络科学不断蓬勃发展的动力。
