重构具有自然多样性的传播网络并识别隐藏源

从数据中揭示复杂网络结构和动力学的能力，对于理解和控制复杂系统中的集体动力学至关重要。尽管该领域近期取得了进展，但从有限的时间序列中重构具有随机动力学过程的网络仍然是一个突出的问题。在此，我们开发了一个基于压缩感知的框架，以重构发生随机传播动力学的复杂网络。我们将该方法应用于大量模型网络和真实网络，发现利用压缩感知的优势，可以从少量的极化（二元）数据中实现非均匀相互作用的完整重构。此外，我们证明，即使在没有直接传播路径的情况下，也能以高置信度确定并定位触发传播过程但外部无法访问的隐藏源。因此，我们的方法为追踪和控制复杂网络系统中的流行病入侵和信息扩散建立了一种范式。