課程簡介

北京師范大學系統科學學院 × 集智學園 聯合推出《系統科學前沿》課程——看見復雜背后的秩序，用系統思維連接萬物

在當前這個日益復雜和不確定的時代，AI、生命科學、社會演化飛速發展，我們正置身于一個比以往更“復雜”的世界：

• 用個體視角難以解釋群體行為

• 單點優化難以解決系統瓶頸

• 簡單因果邏輯在多因素交織中失效

系統科學，正是理解這種復雜性的鑰匙。它不僅是一種方法論，更是一種面向未來的世界觀。

為推動系統科學思想的傳承與前沿拓展，北京師范大學系統科學學院聯合集智學園，共同發起重磅課程項目：《系統科學前沿》。本課程以方福康先生系統科學文集為思想基石，匯聚北師大系統科學領域頂尖學者，系統整合統計物理、生命系統中的智能行為、社會復雜系統建模、人工智能與復雜網絡等多個交叉方向，構建一條從微觀機制到宏觀結構、從理論分析到實際應用的知識脈絡。

“系統科學最需要的，是對復雜系統這個未知世界基本規律的掌握，這一目標的實現，需要通過對具體系統的深入研究來完成。” ——方福康

課程主旨：

幫助學習者建立系統思維的基本范式，深入把握系統科學的核心概念、方法論及其在現代科學中的關鍵地位，進而為跨學科研究與創新提供堅實的理論支撐。

課程特色：

權威師資：北師大系統科學學院教授領銜，每位導師深耕領域超15年，兼具學術深度與教學經驗。

跨學科融合：覆蓋物理、生物、社會、AI四大維度，展現系統科學的“萬物互聯”思維。

問題驅動：每講以真實復雜系統問題切入（如腦網絡動力學、群體智能涌現），輔以Python/NetLogo仿真實踐。

集智社區共創：學員可加入集智「系統科學」主題社群，與導師、同行持續互動，參與論文共讀與課題研討。

課程大綱

適合人群

? 理工科高年級學生/研究生：系統性掌握復雜系統研究工具（多主體建模、網絡分析）

? 跨學科研究者：汲取生物學、社會科學與AI的交叉靈感

? 產業從業者：用系統思維解決業務中的非線性問題（如用戶增長、供應鏈優化）

報名須知

? 課程形式：騰訊會議直播，集智學園網站錄播。本系列課程不安排免費直播。

? 課程周期：2025年6月20日-2025年8月22日，每周五晚19：30-21：30點，授課1.5小時，答疑0.5小時。

?課程定價：原價599，早鳥價299，早鳥優惠截止到2025年6月20日中午12點。

付費流程

2. 課程頁面添加學員登記表，添加助教微信入群；

3. 課程可開發票。

課程獎學金機制

途徑一：發布高質量課程筆記

在集智斑圖網站（pattern.swarma.org）完成本課程體系下某個方向的總結文章或學習路徑。經集智學園助教團隊評定認可后，可作為一條貢獻。一條貢獻獎勵200元獎學金，質量優異的內容，會有浮動獎勵。可參考：

途徑二：招募課程助理1名

付費報名課程后，聯系助教微信申請課程助理。經溝通，成為正式課程助理，完成課程助理任務，在課程結束后退全額學費。

講師陣容

第一課：無盡的前沿——系統科學簡介

在20世紀科學發展的基礎上，對復雜系統涌現性的研究已成為21世紀科學探索的重要領域。在這一方向上的科學發展表明，紛繁多樣的復雜現象背后，可能存在著簡單的、普適的規律。探索各類系統的結構、環境與功能的普適關系以及演化與調控的一般規律，并在系統范式的基礎上形成科學認識，是系統科學研究的重要任務。課程將簡要介紹系統科學的核心科學內容，并以氣候系統、神經系統、科學學的若干研究為案例，介紹從復雜系統的視角開展研究的線路和部分研究成果，展現探索復雜性的基本途徑。

主講教師：狄增如

北京師范大學系統科學學院教授，珠海校區復雜系統國際科學中?主任，國際系統與控制科學院院?。 第六、七屆國務院學位委員會系統科學學科評議組召集?，現任教育部?等學校教學指導委員會管理科學與?程類專業委員會委員，系統工程學會監事長，《系統?程理論與實踐》 、《系統科學學報》 、《系統與控制縱橫》雜志副主編，中國?百科全書第三版《系統科學卷》 副主編等。主要研究領域為復雜系統理論、復雜?絡、大數據分析及其在社會經濟和?命系統中的應?等，在Nature Communication, Nature Human Behavior，Physical Review Letters，PNAS等國際國內重要學術期刊上發表論?120多篇。2016年由于在復雜系統分析、復雜?絡等??的成就獲中國系統?程學會第三屆系統科學與系統?程科學技術獎理論貢獻獎。

主頁

https://sss.bnu.edu.cn/szdw/rcxm/gjxtykzkxyys/00bab8163a0d4938a7219b6e6d2118ec.htm

第二課：統計物理與地球復雜系統

復雜系統常由大量相互作用的個體構成，如何從個體行為推演出系統整體性質，是統計物理的重要使命。本課程將從氣體動力學出發，回顧吉布斯建立的平衡態統計力學，并詳細講解陳曉松教授團隊建立的本征微觀態統計物理學，以及本征微觀態的重整化群理論。通過分析大量個體狀態演化數據，我們可以識別系統在不同宏觀條件下出現的本征微觀態，揭示其對應的結構與動力學特征。系統的相變、本征態的涌現、臨界現象等宏觀行為，均可由這些微觀態的概率分布與熵變行為精準刻畫。課程將展示該理論在平衡態系統、非平衡態系統和地球復雜系統的應用。

主講教師：陳曉松

北京師范大學系統科學學院/浙江大學物理高等研究院教授。1982年、1984年獲華中師范大學物理學學士、理論物理碩士學位，1992年獲德國柏林自由大學自然科學博士學位，1999年度中國科學院“百人計劃”入選者，2003年國家杰出青年科學基金獲得者。先后在德國柏林自由大學、德國亞琛工業大學、中國科學院理論物理研究所等高校和研究所工作，2018年10月起入職北京師范大學系統科學學院，2024年9月起擔任浙江大學物理高等研究院教授。研究領域為液體統計物理、相變與臨界現象基本理論、復雜系統和地球系統的統計物理及相變與臨界現象。現任《Communication in Theoretical Physics》、《Chinese Physics B》、《Entropy》、《Fundamental Research》期刊編委，曾任《中國科學：物理學 力學 天文學》、《物理》、《現代物理知識》等期刊編委。

https://sss.bnu.edu.cn/szdw/zzjs/js/6202b869e5a74a59aba62a2c8d7f4c7c.htm

第三課：復雜系統與人工智能

人工智能的飛速發展為復雜系統的研究注入了新鮮的活力，特別是在以數據驅動的方式構建復雜系統模型方面，包括復雜系統的動力學學習，復雜網絡的重構，以及涌現動力學的重構等問題已取得一些突破。另一方面，人工智能大模型已經演化為一個復雜的系統，用復雜系統的方式研究大模型也成為了一種新的趨勢。

主講教師：張江

北京師范大學系統科學學院教授，集智俱樂部、集智學園創始人，集智科學研究中心理事長，曾任騰訊研究院、華為戰略研究院等特聘顧問。主要研究領域包括因果涌現、復雜系統分析與建模、規模理論等。

主頁

https://jake.swarma.org/

第四課：群體行為與多主體建模

多主體建模（Agent-Based Modeling, ABM）作為系統科學中的關鍵建模方法，是連接微觀機制與宏觀現象的橋梁，是系統科學專業基礎課程之一。該課程圍繞“個體—群體—系統”之間的演化關系，講解如何通過模擬異質個體之間的局部相互作用，揭示群體行為的涌現過程。自底向上的建模范式使得我們能夠更真實地刻畫非線性、異質性、自適應性等復雜特征，并探索協作、分工、群體決策等宏觀現象背后的微觀驅動機制。本課程將介紹多主體建模的基本理論與關鍵要素，包括個體行為規則、學習與自適應機制、環境交互與反饋等內容，并進一步探討群體行為建模在金融系統、市場形成、社會分層與政策制定等典型社會系統中的應用。此外，課程還將引入遺傳算法與進化建模思想，講解其在復雜系統中的優化與學習功能。通過對“熵”“信息熵”“社會層次熵”等宏觀量的引入，課程也將探討系統涌現行為的統計物理刻畫。

主講教師：韓戰鋼

北京師范大學系統科學學院教授、博士生導師，系統分析與集成實驗室主任，國務院學位委員會系統科學評議組成員，聯合國教科文組織復雜系統數字校園副主席。長期致力于自然與人工集群系統的交叉研究，圍繞集群智能、群體自組織行為及復雜系統建模取得多項具有突破性的成果，涵蓋蟻群、魚群與機器人群體的實驗研究與建模分析、對稱破缺機制、系統臨界態行為等核心科學問題。提出演化算法的收斂復雜性理論，發展新能源轉型的多主體建模方法，在Science、Physical Review Letters、PLOS Computational Biology等國際權威期刊發表論文。主持多項國家自然科學基金及企業合作項目，推動多主體建模、人工智能與系統科學交叉融合發展。主講博士研究生核心課程《多主體建模》，課程獲評校級思政優秀課程，培養多名優秀研究生獲國家級科研項目及榮譽，推動中國復雜系統研究與教育體系的發展。主頁

https://sss.bnu.edu.cn/t/~zhan

第五課：復雜網絡理論及其應用

在當今的互聯網時代和大數據時代，擁有網絡思維以及學會網絡分析顯得十分重要。本課程簡要介紹復雜網絡的基礎知識與實際應用，內容涵蓋復雜網絡中的基本概念、網絡的拓撲結構性質、復雜網絡模型、網絡上的動力學等幾方面內容，并將會結合一些實際系統案例。

主講教師：樊瑛

北京師范大學系統科學學院教授、博士生導師。現擔任中國系統工程學會系統理論專委會主任、常務理事；中國環境科學學會生態環境復雜系統協同治理專業委員會副主任委員；中國工業與應用數學學會復雜網絡與復雜系統專委會委員；中國人工智能學會社會計算與智能專委會委員等。研究方向為復雜系統理論及其在社會經濟領域中的應用，特別是復雜網絡研究，主持或參與多項國家自然科學基金項目，發表多篇有影響力論文。曾獲得2009年度教育部新世紀人才。在中國大學慕課網開設《復雜網絡分析》課程多輪次。

主頁

https://sss.bnu.edu.cn/szdw/zzjs/js/b3dc1052ae954423a70fc2b6ab22ee0d.htm

第六課：自組織理論

本課程旨在探索復雜系統如何在沒有外部指令或中央控制器的情況下，通過其內部組分（子系統）之間的相互作用，自發形成從無序到有序、有結構的狀態。該理論挑戰了“有序必然來自外部設計”的傳統觀念，揭示了自然界和社會中“自下而上”形成秩序的普遍規律。本次課程將從熱力學系統出發，探討系統有序行為的形成機制。例如，核心內容之一的耗散結構理論，首次嚴格證明了在開放且遠離平衡的條件下，熵產生能夠成為有序之源（“通過漲落達到有序”），為理解生命、地球化學循環乃至社會經濟系統的有序演化提供了物理化學基礎。

主講教師：崔曉華

北京師范大學系統科學學院副教授、博士生導師，博士畢業于北京師范大學物理系，并于2007至2009年期間赴美國加州大學洛杉磯分校（UCLA）聯合培養。長期從事非線性動力學與復雜系統研究，關注復雜網絡結構下的動力學演化，如心臟系統等生命系統中的動力學行為、有網絡結構的行為傳播及基于數據的動力學建模。

主頁

https://sss.bnu.edu.cn/szdw/zzjs/fjs/5acb5633b2fd4551bd93760cd0de15f6.htm

第七課：大腦復雜性中的前沿專題

大腦——一個高耗能，多功能的器官——是一個在長期進化過程中形成的多尺度復雜系統。為了應對復雜多變的進化壓力，大腦的設計，如組織結構和信息傳遞的運行，需要在多個尺度同時滿足多種需求，如能量限制，信息傳遞效率等等。大腦如何在不同尺度上來平衡相互矛盾的需求，探索其設計和運行背后的規則是腦領域重要問題。本課程將首先回顧從宏觀，介觀到子腦區等不同尺度上，腦區連接設計機制，探索不同尺度上的平衡規則，以及不同尺度之間平衡規則的聯系。然后進一步進入更微觀的神經元層面，探索其信息流模式與不同功能之間關系。最后進入多尺度、跨物種大腦連接設計的scaling規則。

主講教師：陳育涵

北京師范大學系統科學學院副教授、博士生導師，博士畢業于香港浸會大學計算神經科學專業。長期從事計算神經科學研究，聚焦靈長類大腦大尺度結構與功能連接組的建模及兒童腦發育的神經機制。通過融合神經解剖學、神經影像學與統計物理、非線性動力學等方法，建立多尺度計算模型，系統揭示腦連接網絡形成與信息傳遞的內在機制。在 PNAS、Cerebral Cortex、PLoS Computational Biology 等國際主流期刊發表多篇高水平研究論文，主持國家自然科學基金面上項目與青年基金項目。現擔任 Communications Biology、Neuroimage 等多個國際期刊審稿人。實驗室主頁：chenlab.tech

主頁

https://sss.bnu.edu.cn/szdw/zzjs/fjs/b7ec491716874783ad2248743c4bf378.htm

第八課：生命復雜性

生命是由分子、細胞、組織等不同層次生命物質所構成。其中，細胞作為蛋白質等生物大分子構成的復雜系統，生物大分子在細胞內的運動是代謝、信號傳導生命功能的物理基礎，揭示它們之間的關系具有極其重要的科學意義。如何精確觀測不同層次生命物質的動態過程、刻畫其動力學行為、理解其隱藏的功能機理以及多層次間的相互關聯，都亟待研究者解決。講者團隊搭建了單分子熒光動態成像平臺，提出了特有的測量細胞內擴散、主動運輸的動力學研究方法。在分子、細胞尺度開展了一系列復雜動力學研究，發掘其與細胞功能、結構特征以及外界微環境等方面的內在關聯，從物理角度理解真實生命過程。

主講教師：李輝

現任北京師范大學系統科學學院教授，博士生導師。2006年和2012年分獲山東大學學士學位和中科院物理研究所博士學位。2012年畢業留所工作，歷任助理研究員、副研究員，并先后赴牛津大學、哈佛大學、麻省理工學院進行學術訪問。2019年入職北京師范大學。主要從事分子、細胞、組織等多層次生命系統的生物物理實驗研究，重點關注復雜動力學過程及相關統計物理問題。研究方向：1. 單細胞內的生物分子復雜動力學；2. 多細胞（組織）的復雜動力學；3. 高精度單分子成像技術。

主頁

https://sss.bnu.edu.cn/szdw/zzjs/js/21a80522b50446eba5174e4c1a74ff90.htm

第九課：社會經濟系統復雜性探索

課程主要內容包括：（1）闡述社會經濟系統作為一類特別復雜系統的基本特征，特別關注個體行為和個體間互動的復雜性；（2）以阿瑟“酒吧問題”為例展現人類參與系統中一些典型的復雜現象；（3）介紹處理復雜社會經濟系統的新增方法——基于算法的多主體模型模擬；（4）從復雜系統視角討論若干經濟金融理論以及組織管理與社會治理問題。

主講教師：李紅剛

北京師范大學系統科學學院教授，文理學院系統科學系（珠海校區）主任，金融工程研究中心主任，教育部新世紀優秀人才支持計劃入選者。擁有北京師范大學系統科學博士學位，長期從事復雜系統理論及其在經濟金融領域的應用研究，特別專注于經濟金融系統復雜性、多主體計算金融、金融風險管理以及公共管理與社會治理等方向，積極推動系統科學與金融工程、經濟學及社會治理的跨學科融合。教學涵蓋系統科學導論、運籌學、系統工程、經濟學、金融學、金融工程及風險管理等多個本科和研究生課程。

主頁

https://sss.bnu.edu.cn/szdw/rcxm/xsjrcxm/0cf58d09a6694a01a41588ccc04ab7d5.htm

第十課：科學學與復雜系統研究

科技的發展依賴于科學家大量的研究探索行為。科學研究活動本身形成了一個典型的復雜系統，有著上億篇的文獻、千萬級的科學家；有著論文引用、科學家合作等各種相互作用；有著知識的發現、領域的形成、團隊的組建等涌現行為。借助于復雜系統的分析工具和視角，近年來科學研究中的很多普適性規律被挖掘出來。本次課程主要介紹科學學和復雜社會系統研究之間的關系，具體介紹科學家個體層面上興趣遷移的行為特征，科學家合作關系中的研究主題選擇，科研團隊內部結構和顛覆式創新的關系等方面的研究結果。

主講教師：曾安

北京師范大學系統科學學院副教授，博士畢業于瑞士弗里堡大學物理系。現任《復雜系統與復雜性科學》和《Humanities and Social Sciences Communications》學術編輯。研究方向涵蓋復雜網絡、科學計量學、信息過濾及其在城市科學和系統性風險中的應用。主持多項國家自然科學基金和北京市自然科學基金項目，在nature human behaviour，nature computational science，nature communications，pnas，prl等期刊發表多篇論文。主講研究生課程《系統性風險》和本科生課程《信息論與信息挖掘》。

主頁

https://sss.bnu.edu.cn/szdw/zzjs/js/8b4c96518e694080a5319f428abe045f.htm

北京師范大學系統科學學院

北京師范大學是中國系統科學學科的重要發源地之一，自20世紀70年代末即開始布局相關研究和教育體系。早在1979年，北師大就成立了非平衡系統研究所，并于1985年設立全國首個系統理論專業，1990年獲得博士學位授權，2000年取得系統科學一級學科博士授予權，2013年正式成立系統科學學院。經過四十余年的發展，學院已建立起從本科到博士后完整的人才培養體系，并在復雜系統研究領域形成深厚積淀。

系統科學學院聚焦復雜系統的結構、演化和控制，研究涵蓋從自然到社會的多個層面，尤其在復雜系統的涌現行為與控制優化、社會經濟系統建模、生命與腦認知系統的自組織行為、多主體系統與智能算法、以及復雜系統的信息建模等方面形成了特色鮮明、國際接軌的研究方向。學院在復雜網絡、腦科學、經濟系統建模等研究領域取得了一系列有影響力的成果，多篇論文被國際權威期刊選為封面或亮點評述，并受到國內外學術界和主流媒體廣泛關注。依托于“復雜性研究中心”、“數學與復雜系統教育部重點實驗室”等科研平臺，北師大系統科學學院已成為中國高校中系統科學研究與人才培養的重鎮之一。

集智學園

集智學園作為集智科學研究中心孕育的商業公司，力圖傳播復雜科學、人工智能等前沿知識和新興技術，促進、推動復雜科學領域的知識探索與生態構建。合作伙伴包括騰訊、華為、北京師范大學、湖畔大學、混沌大學等多家知名機構。2019年被評定為“中關村高新技術企業”和“國家高新技術企業”。

口號：學復雜科學，到集智學園

使命：梳理復雜知識體系，普及科學理論方法。

https://campus.swarma.org

閱讀清單

推薦書目

M.米切爾·沃爾德羅普著，集智俱樂部譯,《復雜-誕生于秩序與混沌邊緣的科學》，中信出版集團，2024.https://pattern.swarma.org/book/ffb02810-e0d7-11ee-b3e2-0242ac170008

Hiroki Sayama，《Introduction to the modeling and analysis of complex systems》， Published by Open SUNY Textbooks, Milne Library，2015.https://ieeexplore.ieee.org/document/7547403

G.尼科里斯，I.普利高津，羅久里 陳奎寧譯，《探索復雜性》，四川出版集團，四川教育出版社，2010年4月。https://book.douban.com/subject/4810028/

樊瑛 狄增如 曾安 周建林主編 北京師范大學出版社，2024.12

菲利普?鮑爾，預知社會：群體行為的內在法則，當代中國出版社，2007.

布萊恩?阿瑟，復雜經濟學，浙江人民出版社，2018

亞內爾?巴爾-揚，解困之道：在復雜世界中解決復雜問題，上海科技教育出版社，2021

梅拉妮?米歇爾，復雜，湖南科技出版社，2018.

參考文獻

1. Teng Liu (劉騰)1, Gao-Ke Hu (胡高科)1, Jia-Qi Dong (董家奇)2, et al.Renormalization Group Theory of Eigen Microstates. Chinese Physics Letters, 2022，https://iopscience.iop.org/article/10.1088/0256-307X/39/8/080503/meta

2. Jingfang Fan, Jun Meng, Josef Ludescher, et al.Statistical physics approaches to the complex Earth system. Physics Reports, 2020，https://www.sciencedirect.com/science/article/pii/S0370157320303458

3. Yu Sun，Gaoke Hu，Yongwen Zhang，Bo Lu，Zhenghui Lu，Jingfang Fan，Xiaoteng Li，Qimin Deng，Xiaosong Chen.Eigen microstates and their evolutions in complex systems。Commun. Theor. Phys,2021. DOI 10.1088/1572-9494/abf127

4. Ian Fox, Lynn Ang, Mamta Jaiswal, et al.Deep Multi-Output Forecasting: Learning to Accurately Predict Blood Glucose Trajectories. arXiv:1806.05357, 2018

5. Alvaro Sanchez-Gonzalez, Nicolas Heess, Jost Tobias Springenberg, et al.Graph networks as learnable physics engines for inference and control. arXiv:1806.01242, 2018

6. Petar Veli?kovi?, Lars Buesing, Matthew C. Overlan, et al.Pointer Graph Networks. arXiv:2006.06380, 2020

7. Zhang, Z., Zhao, Y., Liu, J. et al. A general deep learning framework for network reconstruction and dynamics learning. Appl Netw Sci,2019. https://doi.org/10.1007/s41109-019-0194-4

8. Alex Tank, Ian Covert, Nicholas Foti, et al.Neural Granger Causality for Nonlinear Time Series. arXiv:1802.05842, 2018

9. Thomas Kipf, Ethan Fetaya, Kuan-Chieh Wang, et al.Neural Relational Inference for Interacting Systems. arXiv:1802.04687, 2018

10. Jason Wei, Yi Tay, Rishi Bommasani, et al.Emergent Abilities of Large Language Models. arXiv:2206.07682, 2022

11. John J. Nay.137 emergent abilities

12. URI Wilensky and William Rand.An introduction to Agent-based modeling.https://www.intro-to-abm.com/

13. Tamás Vicsek; András Czirók; Eshel Ben-Jacob; Inon Cohen; Ofer Shochet.Novel Type of Phase Transition in a System of Self-Driven Particles. Physical Review Letters, 1994,https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.75.1226

14. Couzin I D, Krause J, James R, et al.Collective memory and spatial sorting in animal groups.[J]. Journal of Theoretical Biology. 2002, https://www.sciencedirect.com/science/article/abs/pii/S0022519302930651

15. Gautrais J, Ginelli F, Fournier R, et al. Deciphering interactions in moving animal groups[J]. 2012.https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1002678

16. 江世杰,韓戰鋼.復雜系統研究中基于agent的模型化方法[J].上海理工大學學報,2011,33(2).https://www.cnki.com.cn/Article/CJFDTotal-HDGY201102005.htm

17. G Lin, Z Han, A Shee, C Huepe, et al.Noise-Induced Quenched Disorder in Dense Active Systems[J]. Physical review letters, 2023.https://sss.bnu.edu.cn/docs/2024-05/3e3e66aa859e4597a744fdca45c6e6ec.pdf

18. Yuhan Chen, Qixiang Lin, Xuhong Liao, Changsong Zhou, Yong He; Association of aerobic glycolysis with the structural connectome reveals a benefit-risk balancing mechanism in the human brain, Proceedings of the National Academy of Sciences, 2020, 118(1): e2013232118. https://www.pnas.org/doi/10.1073/pnas.2013232118

19. Yuhan Chen, Zi-Ke Zhang, Yong He, Changsong Zhou; A large-scale high-density weighted structural connectome of the macaque brain acquired by predicting missing links, Cerebral Cortex, 2020, 30(9): 4771-4789. https://academic.oup.com/cercor/article/30/9/4771/5823076

20. Laura E. Suárez,et al.,A large-scale high-density weighted structural Brain Networks, Trends in Cognitive Sciences(2020).https://doi.org/10.1016/j.tics.2020.01.008.

21. van den Heuvel, M.P., Sporns, O. A cross-disorder connectome landscape of brain dysconnectivity. Nat Rev Neurosci20, 435–446 (2019). https://doi.org/10.1038/s41583-019-0177-6

22. Yuhan Chen, Shengjun Wang, Claus C.Hilgetag, Changsong Zhou; Features of spatial and functional segregation and integration of the primate connectome revealed by trade-off between wiring cost and efficiency, PLOS Computational Biology, 2017, 13(9): e1005776. https://doi.org/10.1371/journal.pcbi.1005776

23. Zeng, A., Shen, Z., Zhou, J. et al. Increasing trend of scientists to switch between topics. Nat Commun10, 3439 (2019). https://doi.org/10.1038/s41467-019-11401-8

24. Zeng, A., Fan, Y., Di, Z. et al. Fresh teams are associated with original and multidisciplinary research. Nat Hum Behav5, 1314–1322 (2021). https://doi.org/10.1038/s41562-021-01084-x

25. H. Li, C.J. Tessone, & A. Zeng, Productive scientists are associated with lower disruption in scientific publishing, Proc. Natl. Acad. Sci. U.S.A. 121 (21) e2322462121, https://doi.org/10.1073/pnas.2322462121 (2024).

26. A. Zeng, Y. Fan, Z. Di, Y. Wang, & S. Havlin, Impactful scientists have higher tendency to involve collaborators in new topics, Proc. Natl. Acad. Sci. U.S.A. 119 (33) e2207436119, https://doi.org/10.1073/pnas.2207436119 (2022).

27. Xing, Y., Ma, Y., Fan, Y. et al. Academic mentees thrive in big groups, but survive in small groups. Nat Hum Behav9, 902–916 (2025). https://doi.org/10.1038/s41562-025-02114-8

28. Deng, N., Gu, X., Fan, Y. et al. The critical role of persistent disruption in advancing science. Nat Comput Sci (2025). https://doi.org/10.1038/s43588-025-00808-7

復雜系統和復雜性簡介——經典、前沿論文推薦：https://pattern.swarma.org/article/66

復雜系統自動建模必讀論文列表：https://pattern.swarma.org/article/20

面向復雜系統的人工智能讀書會論文列表：https://pattern.swarma.org/article/79

復雜網絡動力學系統重構文獻：https://pattern.swarma.org/article/28

復雜系統中多主體建模入門路徑：https://pattern.swarma.org/article/19

「生命—信息—物理」生命復雜性讀書會論文清單：https://pattern.swarma.org/article/105

復雜經濟學讀書會論文清單：https://pattern.swarma.org/article/109

1.

2.

3.

4.