摘要

网络科学在流行病学领域日益成为核心。然而，许多从现代数据集中派生的网络不仅规模庞大，而且密度高，平均度数很高。减少在这些网络上模拟流行病的计算成本的一种方法是稀疏化，即选择一部分边并根据它们的重要性进行重新加权。根据计算机科学的最新研究，我们发现最准确的方法使用边的有效电阻，这可以从图拉普拉斯算子计算得出。由此产生的稀疏网络保留了 SIR 模型的局部和全局行为，包括每个节点被感染的概率及其到达时间的分布。即使稀疏网络保留了美国移动网络不到 10% 的边，这一结果仍然成立。我们的工作有助于阐明网络中哪些链接对疾病传播最重要。纯拓扑方法定义边的重要性，或通过边权重阈值化，效果远不如。这是与亚历山大·梅西尔（哈佛公共卫生学院）和 Sam Scarpino（东北大学）合作的项目。

讲者介绍

Cristopher Moore 毕业于西北大学，获得物理、数学和综合科学学士学位，以及康奈尔大学的物理学博士学位。自2012年以来，他一直是圣菲研究所的常驻教授。他还曾在尼尔斯·玻尔研究所、巴黎高师、巴黎综合理工学院、巴黎第七大学、东北大学、密歇根大学和微软研究所担任访问学者。Moore 在数学、物理学和计算机科学交叉领域撰写了160多篇论文，涉及量子计算、社交网络、NP完全问题的相变、贝叶斯推断以及刑事司法风险评估等。他是美国物理学会、美国数学学会和美国科学促进会的当选会士。与斯蒂芬·默滕斯合著了《计算的本质》（牛津大学出版社）。

注册链接

https://iu.zoom.us/webinar/register/WN_kj-cg_saTmi4oQERGNX8Lg#/registration