人类行为的动力学与统计力学研究

对人类行为的统计特性的研究,涉及研究经济、心理、交通、社会学等学科的根本问题.在最近一个时期以来,针对人类行为的统计揭示出了大量的出乎人们意料的规律,吸引了众多研究者的注意.这些规律不仅对认识人类自身和对大量的社会学科的基础研究有着重要价值,而且在实际应用中有着广阔的前景.文章作者回顾了这一新近发展起来的领域的主要研究成果,并重点对中国科学技术大学的相关研究进行了介绍.     

人类行为的动力学与统计力学研究

对人类行为的统计特性的研究,涉及研究经济、心理、交通、社会学等学科的根本问题.在最近一个时期以来,针对人类行为的统计揭示出了大量的出乎人们意料的规律,吸引了众多研究者的注意.这些规律不仅对认识人类自身和对大量的社会学科的基础研究有着重要价值,而且在实际应用中有着广阔的前景.文章作者回顾了这一新近发展起来的领域的主要研究成果,并重点对中国科学技术大学的相关研究进行了介绍.     

一个人类行为动力学模型及其精确解

对于Baraba′si提出的基于人类行为的排队模型,比较了Baraba′si的解与Va′zquez的解,指出这两个解存在差异.提出一个服务台具有服务时间的人类行为动力学模型.通过严格的解析,计算出事件的等待时间分布,得到事件在系统中的逗留时间分布(这个指标在Baraba′si模型中没有被获得).结果表明,按照优先权选择协议,这个模型的等待时间分布是指数γ=2的幂律分布,这与钱学森通信回复时间分布的指数2.1非常接近.     

两相流流型多尺度熵及动力学特性分析

研究了几种典型非线性时间序列的多尺度熵特征,在此基础上分析了由插入式阵列电导传感器采集的144种流动条件下的垂直上升气液两相流电导波动信号.研究结果表明：利用小尺度下样本熵的变化速率特征可以分辨三种典型流型（泡状流、段塞流、混状流）,而大尺度下样本熵的波动特征可以反映各种流型的动力学特性.泡状流随机可变特性表现为大尺度下样本熵的高值及振荡特征;段塞流气塞与液塞的间歇性运动表现为大尺度下样本熵的低值及平稳性;混状流极不稳定的振荡运动特性表现为介于泡状流及段塞流之间的熵值特点,并在更大尺度时熵值逐渐接近泡状流 关键词： 样本熵 多尺度熵 气液两相流 动力学特性     

计及级联内缺陷空间关联的团簇动力学模拟

团簇动力学（CD）是一种快速模拟材料辐照损伤长时间动力学演化方法.基于平均场速率理论的CD不考虑级联内的缺陷空间关联效应.而实体动力学蒙特卡罗（OKMC）模型虽然考虑空间关联效应,但受到时间尺度和辐照剂量的限制.将模拟粒子初级辐照级联缺陷分布的Monte Carlo模型（IM3D）与OKMC基于常数时间退火方法进行耦合,有效计及级联内的缺陷空间关联性,作为CD模型的有效辐照产生项,建立计及空间关联效应的团簇动力学模型（CD-SC）.结果表明：CD-SC模拟的辐照损伤结果与长时间OKMC结果吻合.有助于提高典型辐照条件下核材料长时间辐照损伤的多尺度模型的准确度和效率.     

基于在线社交网络的信息传播模型

本文构造了一个基于在线社交网络的信息传播模型.该模型考虑了节点度和传播机理的影响,结合复杂网络和传染病动力学理论,进一步建立了动力学演化方程组.该方程组刻画了不同类型节点随着时间的演化关系,反映了传播动力学过程受到网络拓扑结构和传播机理的影响.本文模拟了在线社交网络中的信息传播过程,并分析了不同类型节点在网络中的行为规律.仿真结果表明:由于在线社交网络的高度连通性,信息在网络中传播的门槛几乎为零;初始传播节点的度越大,信息越容易在网络中迅速传播;中心节点具有较大的社会影响力;具有不同度数的节点在网络中的变 关键词： 在线社交网络 信息传播 微分方程 传染病动力学     

鸟类飞行空气动力学对人类飞行的启示

文章回顾了人类早期仿鸟飞行失败的历史,究其失败原因在于盲目模仿鸟的翅膀的形状和运动规律,而没有研究扑翼飞行的空气动力学原理。随着对空气动力学研究的逐渐深入,人类成功研制了各类飞行器。在飞行器气动技术的发展历史过程中,许多技术革新均受到鸟类飞行空气动力学的启示,例如低速翼型、流线型细长机身、平尾和起落架的设计等等。     

介观尺度流体绕流球体的耗散粒子动力学模拟

采用耗散粒子动力学(dissipative particle dynamics, DPD)方法, 对两平行平板间流体绕流三维球体进行了计算. 球体和平行平板由达到平衡状态的冻结DPD粒子组成, 流体在不同无量纲外力驱动下流动, 球体受力由组成球体的所有冻结DPD粒子求和得到. 流动达到充分发展后, 输出球体在流动方向的受力, 并计算球体的阻力系数, 与文献中的关联式进行了对比. 结果表明, 在Re≤qslant 100的范围内, DPD方法能较准确地计算出阻力系数, 在较大雷诺数时, 由于流     

介观尺度流体绕流球体的耗散粒子动力学模拟

采用耗散粒子动力学(dissipative particle dynamics, DPD)方法, 对两平行平板间流体绕流三维球体进行了计算. 球体和平行平板由达到平衡状态的冻结DPD粒子组成, 流体在不同无量纲外力驱动下流动, 球体受力由组成球体的所有冻结DPD粒子求和得到. 流动达到充分发展后, 输出球体在流动方向的受力, 并计算球体的阻力系数, 与文献中的关联式进行了对比. 结果表明, 在Re≤qslant 100的范围内, DPD方法能较准确地计算出阻力系数, 在较大雷诺数时, 由于流体的压缩性导致计算结果出现差异.     

基于多尺度熵的电力能量流复杂性分析

电力能量流复杂性主要体现于其动态行为的实时性、非线性及不确定性等,网络动力学行为分析是关键.本文在电力系统动力学平衡方程基础上,构建了系统势能与支路势能函数模型;通过提取扰动(或故障)后系统的能量信息,利用多尺度熵对扰动(或故障)后系统能量流演化过程进行了研究.结果表明:1)稳定运行状态下系统复杂度较低,且随着故障持续时间的增加,系统故障后呈现出更高的复杂度;2)不稳定运行状态下,系统在小尺度时间上表现出更强的不确定性,而在大尺度时间上表现出相对更明显的规则性;3)临界稳定运行状态与临界不稳定运行状态下,故障后的系统复杂度在不同时间尺度上呈现出较明显的差异,这对动态过程中临界点的识别有着积极的参考价值.本文研究揭示了电力能量流在物理动态过程中的演化机制,为电力系统动力学行为分析提供了新思路与新方法.     

Empirical analysis of online human dynamics

Patterns of human activities have attracted increasing academic interests, since the quantitative understanding of human behavior is helpful to uncover the origins of many socioeconomic phenomena. This paper focuses on behaviors of Internet users. Six large-scale systems are studied in our experiments, including the movie-watching in Netflix and MovieLens, the transaction in Ebay, the bookmark-collecting in Delicious, and the posting in FreindFeed and Twitter. Empirical analysis reveals some common statistical features of online human behavior: (1) The total number of user’s actions, the user’s activity, and the interevent time all follow heavy-tailed distributions. (2) There exists a strongly positive correlation between user’s activity and the total number of user’s actions, and a significantly negative correlation between the user’s activity and the width of the interevent time distribution. We further study the rescaling method and show that this method could to some extent eliminate the different statistics among users caused by the different activities, yet the effectiveness depends on the data sets.     

Human comment dynamics in on-line social systems

Human comment is studied using data from ‘tianya’ which is one of the most popular on-line social systems in China. We found that the time interval between two consecutive comments on the same topic, called inter-event time, follows a power-law distribution. This result shows that there is no characteristic decay time on a topic. It allows for very long periods without comments that separate bursts of intensive comments. Furthermore, the frequency of a different ID commenting on a topic also follows a power-law distribution. It indicates that there are some “hubs” in the topic who lead the direction of the public opinion. Based on the personal comments habit, a model is introduced to explain these phenomena. The numerical simulations of the model fit well with the empirical results. Our findings are helpful for discovering regular patterns of human behavior in on-line society and the evolution of the public opinion on the virtual as well as real society.     

复杂网络上的意见动力学对谣言传播的影响

通过在SIR(susceptible-infected-recovered)模型中引入抑制者对谣言的辟谣机制研究了在线社交网络上的意见动力学对谣言传播的影响.在这一模型中,节点可以与自身的邻居组成1个群,传播者可以通过该群传播信息,抑制者也可以在此群中对信息发表意见进行辟谣.辟谣机制在降低未知者对于谣言的接受概率的同时也可以促使传播者向抑制者转变.本文采用ER(Erd?s-Rényi)随机网络、无标度网络以及真实的社交网络研究了抑制者的沉默概率对于谣言传播范围的影响.首先发现,谣言传播的过程以传播者的峰值为界可以分为两个阶段,即谣言自由传播的前期以及抑制者和传播者互相制衡的后期;其次,谣言的传播会随着抑制者的沉默概率的增大而突然暴发.在谣言暴发阈值之下,沉默概率的增大不会导致谣言传播范围显著增大,这是由于未知者在感知到谣言并转变为传播者后又迅速转变为抑制者;而当沉默概率达到谣言暴发阈值时,抑制者将不能控制传播者对谣言的传播从而导致抑制者的降低和谣言的暴发;最后,无标度上的谣言自由传播的前期阶段比随机网络持续的时间更短,从而使无标度上的谣言更难以暴发.本文的模型综合考虑了意见动力学和谣言传播的相互作用,更加真实地模拟了真实世界社交网络中的谣言传播过程.为谣言传播的控制和干预提供了一些有用的思路和见解.     

大学物理线上教学经验总结及效果分析

本文基于模块化思想,分七步设计教学环节,加强课堂互动、学生应用知识能力的培养和思政教育.采用腾讯课堂和云班课相结合的方式进行网络直播授课.课堂管理采用多元模式,通过邀请辅导员共管、引入容错机制、关注学生情绪变化等措施提高学生的课堂参与度,平均出勤率达到98％.考试基于超星学习通,以大题量开卷考试的形式进行.将近三年线下...     

金纳米管力学性能的分子动力学模拟

采用分子动力学模拟方法, 研究了金纳米管沿不同晶向拉伸与压缩载荷下的力学性能, 并分析了金纳米管的半径对其力学行为的影响. 在模拟计算中, 采用镶嵌原子势描述金原子之间的相互作用. 模拟结果表明, 在拉伸及压缩过程中, 不同晶向的金纳米管力学性能相差较大, 在拉伸和压缩载荷下金纳米管<110>向的屈服强度最大; 在三个晶向<100>, <110>, <111>的金纳米管中, <100>晶向的金纳米管其屈服强度和杨氏模量都远远小于其他晶向. 研究结果还发现, 当纳米管的半径小于3.0 nm时, 金纳米管的屈服强度没有大的变化, 而当半径大于3.0 nm后, 随着半径的增大, 其屈服强度明显降低. 关键词： 分子动力学模拟 金纳米管 力学性能     

Information filtering in evolving online networks

Recommender systems use the records of users' activities and profiles of both users and products to predict users' preferences in the future. Considerable works towards recommendation algorithms have been published to solve the problems such as accuracy, diversity, congestion, cold-start, novelty, coverage and so on. However, most of these research did not consider the temporal effects of the information included in the users' historical data. For example, the segmentation of the training set and test set was completely random, which was entirely different from the real scenario in recommender systems. More seriously, all the objects are treated as the same, regardless of the new, the popular or obsoleted products, so do the users. These data processing methods always lose useful information and mislead the understanding of the system's state. In this paper, we detailed analyzed the difference of the network structure between the traditional random division method and the temporal division method on two benchmark data sets, Netflix and MovieLens. Then three classical recommendation algorithms, Global Ranking method, Collaborative Filtering and Mass Diffusion method, were employed. The results show that all these algorithms became worse in all four key indicators, ranking score, precision, popularity and diversity, in the temporal scenario. Finally, we design a new recommendation algorithm based on both users' and objects' first appearance time in the system. Experimental results showed that the new algorithm can greatly improve the accuracy and other metrics.     

Detrended fluctuation analysis of heart intrabeat dynamics

We investigate scaling properties of electrocardiogram (ECG) recordings of healthy subjects and heart failure patients based on detrended fluctuation analysis (DFA). While the vast majority of scaling analysis has focused on the characterization of the long-range correlations of interbeat (i.e., beat-to-beat) dynamics, in this work we consider instead the characterization of intrabeat dynamics. That is, here we use DFA to study correlations for time scales smaller than one heart beat period (about 0.75 s). Our results show that intrabeat dynamics of healthy subject are less correlated than for heart failure dynamics. As in the case of interbeat dynamics, the DFA scaling exponents can be used to discriminate healthy and pathological data. It is shown that 0.5 h recordings suffices to characterize the ECG correlation properties.