高阶网络上动力学的可变换性

为何群体互动重要

当我们考虑传播——无论是病毒、谣言还是政治理念——通常会想象它沿着简单的点对点连接扩散。但现实生活充满了群体聚集：课堂、会议、线上聊天和家庭聚餐。在这些场景中，人们以群体而非仅成对地互相影响。本文提出了一个表面上看似简单的问题：我们能否以系统性的方式将群体互动的复杂动态关联到更简单的成对模型？如果可以，在哪些情况下把群体行为“压缩”成成对链接而不丢失关键特征是安全的？

从成对链接到群体网络

现代网络科学区分普通网络（链接连接两个人）和高阶网络——在后者中，单个“超边”或“单形”可以同时绑定三个、四个或更多个体。这些高阶结构更好地描述了群聊或共同项目等场景。先前研究表明，这类群体互动能产生令人意外的现象——突发爆发、多重稳定态以及在简单成对模型中看不到的其他复杂模式。然而，大多数工作把每种建模选择孤立对待，缺乏一种用于在不同网络类型之间比较动力学的共同语言。

不同世界之间的映射

作者引入了“可变换性”的概念：将一种网络上的扩散过程映射为另一种等效过程的能力。他们聚焦于简单传染模型——个体从易感转为感染——并在数学上展示了在超图（具有群体互动）上运行的过程如何被转化为在单形复合体上的等效过程，进而转化为标准的成对网络。在把不同大小群体的感染率与链路上的感染率联系起来的特定条件下，疫情的总体进程——随时间被感染的人数——在这些表示之间几乎无法区分。基于学校的真实社交接触数据的模拟验证了：当这些条件满足时，不同网络类型上的感染曲线几乎完全重合。

衡量系统中的无序

为了理解在映射不完美时推动差异的因素，作者从单个节点退一步，观察整个系统。他们引入了“系统无序”的度量，用信息熵来量化传染的无序（群体在易感与感染状态之间的混合程度），并用舆论方差来度量舆论动力学（观点分布的离散程度）。通过跟踪高阶网络及其成对投影上该无序随时间的变化，他们表明两者之间的差距可以清晰地分为两部分：来自多重群体接触的结构性贡献，以及来自非线性效应的动态性贡献（例如，当群体中额外的感染同伴使感染概率超线性增加时）。

两个主要杠杆：结构与非线性

这种“结构—动态”分解给出了实用的步骤。首先，调整规则使动力学中非线性部分与更简单、更线性的参考模型相匹配；这部分捕捉纯粹的动态贡献。其次，将高阶网络与两种不同的成对投影进行比较：一种保留频繁合作者之间的多重边，另一种将它们合并为单条链接。这两者之间的差异捕捉了由许多重叠群体接触带来的纯结构效应。在一系列合成与真实网络以及若干传染模型（包括个体可恢复的变体）上，来自高阶网络与简单网络的无序总差几乎完全等于这两类贡献之和。作者进一步探讨了何时能得到如此清晰的分裂，识别出那些群体互动过强或过密而无法忠实简化为成对描述的参数区间。

超越流行病：舆论与信念

为测试框架的普适性，作者将其应用于舆论动力学，其中每个节点的状态是信念而不是感染状态。他们研究了连续舆论的渐进调整以及邻居观点的突发复制两种情形，并把规则扩展到在超图上考虑群体讨论，跟踪舆论多样性的演化。值得注意的是，相同的结构—动态分解依然适用：将高阶网络压缩为简单图时总体无序的变化可以由结构和动态贡献之和很好地解释。他们还表明，有些本质上基于群体的模型抗拒此类简化，强调并非所有高阶过程都能安全地被成对模型替代。

对现实世界传播的意义

通俗来说，这项工作澄清了何时可以忽略群体互动的全部复杂性而使用更简单的成对模型——而不会误判疫情传播或舆论演化的方式。通过明确网络结构与行为非线性的独立作用，该框架可以指导建模者判断何时确实需要高阶模型、何时只是昂贵的奢侈。这反过来有助于设计更有效的策略以控制疾病爆发或遏制错误信息，揭示改变群体结构（例如限制聚会）还是调整个体反应（例如降低非线性的同伴压力）将对集体行为产生更强影响。

引用: Xie, M., He, S., Li, A. et al. Transformability of dynamics on higher-order networks. Commun Phys 9, 149 (2026). https://doi.org/10.1038/s42005-026-02555-1

关键词: 高阶网络, 传染动力学, 超图, 舆论动力学, 网络科学