中大新聞網訊（通訊員謝家榮）近日，中山大學計算機學院謝家榮副研究員課題組在《美國科學院院刊》（PNAS） 發表了題為“Indirect influence in social networks as an induced percolation phenomenon”的研究論文。該研究發現相對于直接合作者，間接合作者對科學家研究領域的變化影響更大，并提出誘導滲流模型來描述間接作用與系統宏觀行為之間的關系。
圖一：實證分析顯示科學家合作網絡中存在間接影響機制。
滲流是統計物理研究的重要方向之一。近20年以來，學術界開始利用滲流來研究可網絡化的復雜系統中的傳播問題。學術界認為，所有的滲流理論都聚焦在建模頂點之間的直接作用機制上。然而，不同社會和生態系統中越來越多的實證表明，間接相互作用在塑造系統的動態行為中起著關鍵作用。例如，社交行為中的三度影響力理論表明，在藥物濫用、酗酒、肥胖、離婚、幸福感 、孤獨等社會行為，你將受到三度以內朋友（朋友的朋友的朋友）的影響。盡管間接影響在各種現實系統中廣泛存在，但少有研究檢查間接影響發生的確切機制，或直接、間接影響之間的相對強度。
該研究利用科學家合作行為的大規模數據，分析了科學家研究領域轉變的動態過程，發現相對于科學家的直接合作者，間接合作者對其研究領域的影響更大。這一現象在當前許多熱點領域都存在，如復雜網絡、石墨烯、量子科技。
受實證現象啟發，該研究提出了誘導滲流模型。該模型是第一個基于網絡中頂點的間接作用機制的網絡滲流模型。通過解析與模擬分析，我們發現，間接作用關系讓系統出現新的豐富的相變行為：網絡中邊的方向，可以改變滲流相變的類型，在有向、無向、有向無向混合的網絡中分別出現一階、連續、混合相變；在二級相變的臨界點附近，網絡的碎片規模出現新奇的震蕩行為。這些與我們所知道的所有的復雜網絡上的滲流相變行為都不一樣。意味著該研究提出的滲流模型，可能深刻地揭示了復雜系統中元素之間非對稱的間接的作用機制與系統宏觀相變行為之間未被發現的重要關系。
這一成果是謝家榮副研究員繼2021年在Nature Human Behaviour發表關于社交媒體上信息傳播滲流相變的封面論文后，基于社交網絡大數據在計算社會學又一次取得的重要進展，為具有間接作用的行為傳播提供了研究框架。該研究受到國家自然科學基金No. 61903385等項目的支持。
