物理评论研究:一次微小扰动,为什么会让复杂网络的响应变得更多样?

· 2026-11-19 14:30 · 7 阅读

原创 集智编辑团队 2026-11-19 14:30 浙江

从扩散极限到信息最小耗散,重建复杂网络的响应热力学

导语

一次局部感染、一条神经信号,或一个种群数量的微小变化,都会在网络中传播。但复杂系统真正值得追问的,不只是扰动能传播多远,而是系统会产生多少种不同的响应方向。传统扩散理论提供了简洁答案:在常用假设下,扰动响应会逐渐集中,响应多样性只能下降。然而,真实网络往往处在非线性、非平衡且持续变化的动力学中,它们的响应反而可能短暂变得更加多样。帕多瓦大学Andrea Filippo Beretta与Manlio De Domenico提出一套沿任意动力学轨迹工作的响应信息热力学框架,用网络密度矩阵统一描述扰动集合,并以信息最小耗散原理和广义自由能刻画系统偏离扩散的程度。研究表明,复杂网络的结构不仅决定扰动去向,也会与非线性动力学共同重组“哪些响应方向最重要。

关键词:复杂网络、扰动响应、网络密度矩阵(Network Density Matrix)、信息热力学、响应熵(Response Entropy)、信息最小耗散原理(Informational Least-Dissipation Principle)

图片

王璇丨作者

赵思怡丨审校

论文题目:Information-thermodynamic principles unveil the response of complex networks to perturbations

论文链接:https://journals.aps.org/prresearch/accepted/10.1103/c9kq-kqbv

接收时间:2026 年 10 月 21 日

论文来源:Phys. Rev. Research

复杂网络的功能往往在受到扰动时才真正显现。两个系统在未受干扰时可能沿着相似轨迹运行,但面对同样的微小冲击,一个迅速恢复,另一个却可能放大扰动、切换状态甚至发生级联失稳。神经活动、传染病传播、生态种群变化和群体意见演化,都可以从这一角度理解。扰动如何穿过网络,暴露了结构与动力学共同塑造的功能组织。

扩散(diffusion)是研究这类问题最常用的近似。它把扰动传播描述为由一个时间不变、通常对称的算子控制的线性过程,因而便于解析,也广泛用于共识形成、流行病传播和迁移等场景。近年发展的网络密度矩阵方法,又进一步借鉴统计力学,把扩散中的网络状态转化为类似热力学系综的对象,从而定义熵、自由能和尺度等宏观量。

问题在于,真实系统很少始终停留在扩散所对应的平衡附近。非线性动力学的局部演化由雅可比矩阵决定,而这个算子会随系统轨迹不断变化,也可能不对称、非正规。因此,即使网络结构完全相同,不同动力学也可能产生截然不同的扰动响应。研究者们要解决的核心问题是:扩散的信息热力学究竟只是方便的近似,还是足以描述复杂网络的全部扰动响应?如果它不够,如何建立一套适用于一般动力学轨迹的热力学语言?

从扰动集合到网络版H定理

单次扰动只能展示网络响应的一个方向,而真实扰动的来源和方向通常未知。每个扰动沿当前系统轨迹的线性化动力学传播,所有扰动的强度及节点之间的响应关联,再被汇总为一个统计传播算子。将其归一化后,便得到单位迹的网络密度矩阵。它不增加切空间动力学之外的新信息,却把高维扰动演化重新组织为一个统计状态,使研究者能够用少数宏观量概括整个响应集合。

其中最重要的量是冯·诺依曼熵(von Neumann entropy)。它衡量的不是通常意义上的热无序,而是网络响应在不同方向之间的分散程度:如果少数方向占据主导,熵较低;如果许多响应方向具有相近权重,熵较高。研究者将它解释为扰动响应的功能多样性。

通过推导密度矩阵的流方程,研究进一步分离了雅可比矩阵中的两类作用。对称部分会改变密度矩阵的特征值,重新分配不同响应模式的重要性,因此对应耗散性演化。反对称部分主要旋转响应方向而不直接改变熵,对应保守作用。在随保守旋转共同变化的参考系中,一般问题便可转化为仅由耗散部分驱动的密度矩阵流。

这一表示揭示了扩散方法的根本边界。当初始扰动采用没有方向偏好的最大熵分布,并且演化算子时间不变且对称时,响应熵的变化率必定不大于零。换言之,标准扩散只能让扰动响应维持或降低多样性,不能使响应方向变得更加丰富。作者将这一结果称为网络H定理(network H-theorem)。它与玻尔兹曼H定理形式相似,但由于研究从最大熵扰动集合出发,熵变化的符号与常见热力学叙述相反。

图1:非线性动力学改变响应熵的演化。 

一般非线性网络则不受这一限制。响应熵何时上升,取决于两项因素之间的关系:一种响应模式过去积累了多少权重,以及它此刻受到多强的拉伸。当此前被压制的模式突然获得更强的瞬时放大时,响应会重新分散到更多方向,熵便可能增加。非均匀扰动先验、算子的时间依赖和非正规性,都可能打破扩散中的固定对应关系。

秀丽隐杆线虫(C. elegans)神经网络提供了直观例子。在线性稳定阈值附近,研究比较了拉普拉斯扩散与非线性神经动力学。扩散过程的响应熵始终不增加。神经动力学在耦合强度超过约0.1后,则出现持续时间逐渐增长的正熵率区间。这并不意味着局部不稳定必然产生正熵率,而是说明非线性系统跨越稳定性阈值时发生了响应组织变化,扩散模型无法复现这一变化。

信息最小耗散:为非扩散响应建立热力学坐标

一般动力学中的密度矩阵流能否由一个更基础的变分原理推出?在密度矩阵空间上引入布雷斯度量(Bures metric),将相邻统计状态之间的距离解释为区分它们所需的信息成本。系统的响应状态会在保持归一化的前提下,选择信息成本最低、同时最能与当前动力学方向对齐的变化路径。对这一泛函求极值,恰好可以恢复此前得到的密度矩阵流方程。

研究者将其称为信息最小耗散原理。它在形式上对应非平衡热力学中的昂萨格—瑞利最小耗散原理(Onsager–Rayleigh principle):系统并不是简单地寻找能量最低点,而是在动力学驱动与耗散成本之间选择瞬时演化方向。由此定义的信息势可以衡量扰动集合的平均收缩或扩张倾向。信息势为正表示整体收缩,为负则表示整体扩张。

在此基础上,研究把信息势与响应熵组合成广义自由能,并为每个时刻构造一个瞬时扩散参考。冻结当下雅可比矩阵的对称部分,询问如果系统此刻只是扩散,它的响应应当是什么样。真实响应与这一参考之间的自由能差,等价于经过时间尺度调整的Kullback–Leibler散度。于是,原本抽象的自由能获得了直接含义,它测量真实非线性响应中,有多少信息无法被同一时刻的扩散近似解释。

图2:真实网络及其随机化对应物的扰动响应。 

研究随后在多类真实网络上检验这一指标,包括海豚社会网络上的噪声选民动力学、接触网络上的易感—感染—易感模型(SIS),以及营养网络上的种群动力学,并与保留度序列的配置模型和仅保留规模与平均密度的Erdős–Rényi随机网络比较。噪声选民模型的平均扰动趋势看似收缩且接近扩散,但非对称作用仍使其与扩散保持非零距离,SIS与种群动力学则因算子随时间变化,在扰动扩张和收缩阶段之间切换。

总体上,真实网络偏离各自瞬时扩散参考的程度,往往高于配置模型,配置模型又往往高于Erdős–Rényi网络。这种次序并非每个时刻、每次随机化都严格成立,而是一种反复出现的统计趋势。随机网络主要保留规模和平均密度,配置模型额外保留度序列,真实网络还包含相关性与更高阶组织。结构中保留的信息越丰富,非对称性、非正规性和时间依赖对响应的影响就可能越强,动力学也越难被简单扩散压缩。

复杂性也存在于系统如何回应之中

复杂网络的功能组织不能只由静态结构或标准扩散推断。最大熵先验下的时间不变对称扩散只能降低响应多样性,而真实非线性网络可以通过重新放大此前受抑制的响应方向,使功能多样性暂时上升。未来,这一方法可能推动同时保留结构与动力学的网络重整化群,也可能通过广义矩阵复制子方程的联系,为网络推断与贝叶斯推断提供新路径。不过,研究分析的是小扰动下的线性化响应,数值证据来自有限的网络与动力学模型,真实网络偏离扩散更强也只是统计趋势而非普适不等式。复杂性不仅写在网络怎样连接,也写在网络受到冲击后,如何重新分配自己的响应可能性。

报名读书会:「非线性动力学与混沌」

集智俱乐部联合北京师范大学张江科研组联和南信大李春彪科研组师生共同发起「非线性动力学与混沌」读书会,由师生共同领读《非线性动力学与混沌》,以分章节精读的方式,带领大家系统学习非线性动力学的基本理论与典型模型,结合洛伦兹系统、Kuramoto模型等经典案例,深入探讨混沌的起源、分形与奇异吸引子等前沿问题。

本读书会不仅读书,还会系统化地梳理本书中的重要概念,并整理为百科词条。也就是说,读完本书,我们会梳理出一套非线性动力学与混沌相关的百科词条,这才是重点。

我们也会通过梳理词条的方式,让学员组成学习小组进行比赛,最终会评出优秀学习小组获得复杂科学知识卡、汪小帆签名的《非线性动力学与混沌》、张江签名的《规模法则》、以及译者签名的《复杂-诞生于混沌与秩序边缘的科学》以及特色集智文化衫!

图片

推荐阅读

1. 自然·方法:扰动AI孪生脑,刻画脑网络因果

2. 熵的前世今生丨陈关荣

3. 物理学家所理解的熵:从热力学、统计物理,到生成模型

4. PRL:非平衡涨落的“天花板”——逆热力学不确定性关系与熵产生的深层关联

5. 9900分可兑换“涌现”文化衫,报名任意读书会送299积分!

6. 集智学园精品课程免费开放,解锁系统科学与 AI 新世界

7. 高考分数只是张入场券,你的科研冒险在这里启航!

8. 加入集智字幕组:成为复杂科学知识社区的“织网人”

#速递

点击“阅读原文”,报名读书会

阅读原文

跳转微信打开

本文转载自微信公众号「集智俱乐部」,查看原文。版权归原作者所有,如有侵权请联系删除。