通过选择涌现：科学挑战的演化

当今最有趣的科学挑战之一涉及复杂网络动力学的分析与理解，以及其过程如何根据组件间的相互作用导致涌现。在本文中，我们探讨了用于可视化和探索真实动态社交网络中动态过程的新方法定义。我们介绍了一种最近引入的形式化方法，称为TVG（时变图），该方法最初是为了建模和分析高度动态且无基础设施的通信网络（如移动自组织网络、无线传感器网络或车载网络）而开发的。我们讨论了其在一般复杂网络，特别是社交网络中的适用性，通过展示它如何能够根据时间交互来指定和分析复杂的动态现象，并允许在局部和全局动态之间轻松切换视角。作为示例，我们选择了科学社区的情况，通过分析ArXiv存储库的一部分（物理学领域十年的出版物），重点关注科学社区涌现和韧性背后的社会决定因素（例如，个体之间的目标和潜在互动）。我们认为科学社区既是实践社区（通过合著），也存在于科学家的思维表征中，因为引用其他科学家的工作不仅仅是对相关工作的客观链接，它还揭示了人们操纵、选择和参考的社会对象。在论文中，我们展示了社区作为目标驱动的优先依附于一组作者（其中包含一些关键科学家（诺贝尔奖得主））的涌现/选择过程。