报告摘要：传统传播模型通常基于节点间的“二元交互”网络，即病毒或信息仅在成对连接的个体之间传播。然而，现实世界中许多传播现象——如社交媒体中的“群”信息扩散、聚集性疫情暴发传播、群体内部的社会强化效应等——均依赖于网络的高阶结构。忽略高阶交互作用将损失传播动力学中的关键子结构，从而导致对传播阈值、速度和规模的误判。本报告聚焦于这一关键问题，旨在探讨高阶结构对传播动力学的影响。首先，将介绍网络高阶结构及其密度在信息-疾病耦合传播中的作用规律；其次，提出一个纳入高阶结构间相互作用的传播动力学框架，揭示其特有的相变行为，例如双稳态现象等；进一步，针对高阶网络拓扑未知的情形，提出一种基于代理矩阵与机器学习的传播预测算法，为稀疏信息条件下的传播趋势推断提供技术途径；最后，面向高阶传播免疫的需求，设计若干基于关键团结构的高阶中心性指标以指导免疫策略，并对未来研究方向进行展望。 个人简历：李聪，复旦大学副研究员，未来信息创新学院人才中心副主任，IEEE Senior Member。2014年于荷兰代尔夫特理工大学获哲学博士学位。研究方向：复杂网络理论及应用，包括动力学分析、高阶网络、AI for Network Science等。出版学术著作两部，在中国科学、IEEE汇刊等国际重要学期刊和会议发表论文60余篇。谷歌学术引用1000余次。以主持或复旦负责人身份承担国家及省部级项目7项，包括国家自然科学基金面上项目、重点项目、联合基金重点项目等。申请国家发明专利14项（已授权6项）。获2024年度上海开源创新卓越成果奖特等奖，2022年度上海市计算机学会教学成果奖三等奖，国际会议BDAI2025最佳报告人奖。担任国际期刊Journal of Social Computing 编委，Frontiers in Physics客座副编辑等。担任上海市非线性科学研究会理事，中国中医药信息学会中医诊断信息分会常务理事等。任NetSci2022卫星会议主席，ICSC2025本地主席等。 |