人类世界中存在一大类复杂系统, 如社交网络系统、神经网络系统等, 它们与传统统计物理研究对象相比有如下特点: 第一, 系统内元素之间的作用关系是不完全确定的; 第二, 元素之间作用强度也不由物理距离唯一确定。这样的系统是否也可以在统计物理的框架下进行研究？在本报告中, 我将在介绍如何使用统计物理中的渗流理论研究社交网络上信息传播行为; 如何在渗流相变理论框架下只使用顶点的局域信息, 精确度量顶点的全局影响力; 如何使用相变中的特征关联长度设计高效的度量算法; 以及社交网络上信息传播的一些特殊的相变行为动力学机制等。

胡延庆, 中山大学数据科学与计算机学院副教授。2011年毕业于北京师范大学系统科学学院, 获得系统理论方向理学博士学位, 并获得北京市优秀博士论文奖; 纽约城市大学博士后; 瑞士弗莱堡大学、以色列BarIlan大学、美国波士顿大学访问学者。近几年主要从事数学、物理学和信息科学交叉性学科方面的研究, 利用渗流相变理论研究社交网络上的信息传播、基础设施网络的级联失效、NP问题的解空间结构和大脑网络的结构特征等。在Nature Physics, PNAS, Phys. Rev. Lett., 等国际顶级和主流权威期刊上发表SCI检索论文40余篇。