前沿讲座202222：时序移动复杂网络渗流

标题：时序移动复杂网络渗流

主讲人：高建喜，伦斯勒理工大学

时间：10月15日上午08：30-11：30

地点：南一楼中313

摘要：关于渗流理论对于理解时序移动网络（temporal mobility networks）上的疾病传播模式的工作。在长时间分析大规模动态网络时，传统的渗流过程方法可能效率低下。它不仅耗时，而且很难识别连通片（connected component）。最近的研究表明，空间容器限制了由移动网络分层拓扑结构描述的移动行为。利用众包的大规模人类移动数据，构建了由美国超过 175000 个街区组成的时序层次网络（temporal hierarchical networks）。每个每日网络都包含大城市统计区内街区之间的移动性，以及跨大城市统计区的长途街区间的移动性。本次讲座将展示这两个级别的渗流，以及在新冠疫情的影响下网络度量和连通片的变化。即使网络具有高移动性阈值，也存在功能子单元，并最终找到一组划分连通片的重复关键链路 （recurrent critical links），它们导致核心大城市统计区的分离。该研究结果为理解疫情期间移动网络的动态社群结构提供了新的见解，并有助于在多个尺度上更有效地控制传染病。

主讲人简介：

高建喜博士是伦斯勒理工学院计算机系（RPI）的助理教授。在加入RPI的计算机科学系之前，从2012年起在东北大学复杂网络研究中心担任研究助理教授。分别于2009年3月和2012年11月获得上海交通大学自动化系硕士和博士学位。曾在美国波士顿大学的H. Eugene Stanley院士的研究小组进行访问学习(2009.9-2012.5)，并在以色利巴以兰大学的Shlomo Havli教授的研究小组进行访问交流(2012.7-2012.9)。高建喜的代表性贡献包括网络的网络的鲁棒性和一致性以及复杂网络的弹性。其研究成果发表在Nature、Nature Physics、Proceedings of the National Academy of Sciences (PNAS)、Nature Communications、Physical Review Letters (PRL)等国际顶级期刊，在谷歌学者上的引文超过3000条，部分成果在Science News等媒体进行专题报道。担任Nature Scientific Reports的编辑及Science、PNAS、PRL、PRX等国际顶级期刊的审稿人，并被EPL和Elsevier评为优秀审稿人。