中大新闻网讯（通讯员谢家荣）近日，中山大学计算机学院谢家荣副研究员课题组在《美国科学院院刊》（PNAS） 发表了题为“Indirect influence in social networks as an induced percolation phenomenon”的研究论文。该研究发现相对于直接合作者，间接合作者对科学家研究领域的变化影响更大，并提出诱导渗流模型来描述间接作用与系统宏观行为之间的关系。
图一：实证分析显示科学家合作网络中存在间接影响机制。
渗流是统计物理研究的重要方向之一。近20年以来，学术界开始利用渗流来研究可网络化的复杂系统中的传播问题。学术界认为，所有的渗流理论都聚焦在建模顶点之间的直接作用机制上。然而，不同社会和生态系统中越来越多的实证表明，间接相互作用在塑造系统的动态行为中起着关键作用。例如，社交行为中的三度影响力理论表明，在药物滥用、酗酒、肥胖、离婚、幸福感 、孤独等社会行为，你将受到三度以内朋友（朋友的朋友的朋友）的影响。尽管间接影响在各种现实系统中广泛存在，但少有研究检查间接影响发生的确切机制，或直接、间接影响之间的相对强度。
该研究利用科学家合作行为的大规模数据，分析了科学家研究领域转变的动态过程，发现相对于科学家的直接合作者，间接合作者对其研究领域的影响更大。这一现象在当前许多热点领域都存在，如复杂网络、石墨烯、量子科技。
受实证现象启发，该研究提出了诱导渗流模型。该模型是第一个基于网络中顶点的间接作用机制的网络渗流模型。通过解析与模拟分析，我们发现，间接作用关系让系统出现新的丰富的相变行为：网络中边的方向，可以改变渗流相变的类型，在有向、无向、有向无向混合的网络中分别出现一阶、连续、混合相变；在二级相变的临界点附近，网络的碎片规模出现新奇的震荡行为。这些与我们所知道的所有的复杂网络上的渗流相变行为都不一样。意味着该研究提出的渗流模型，可能深刻地揭示了复杂系统中元素之间非对称的间接的作用机制与系统宏观相变行为之间未被发现的重要关系。
这一成果是谢家荣副研究员继2021年在Nature Human Behaviour发表关于社交媒体上信息传播渗流相变的封面论文后，基于社交网络大数据在计算社会学又一次取得的重要进展，为具有间接作用的行为传播提供了研究框架。该研究受到国家自然科学基金No. 61903385等项目的支持。
