自适应社交网络大规模参数扫描模拟中的社会分裂相变

社会分裂相变是指社会状态在具有不同观点的多个互不连通的社区与具有同质观点的单一良好连通网络之间的转变。这是一个与当前各种社会问题高度相关的及时研究课题。我们此前使用自适应社交网络模型的数值模拟研究了该问题，发现同质性（homophily）和对新奇事物的关注（attention to novelty）这两种个体行为特征对社会网络演化结果具有最显著的统计影响。然而，我们之前的研究在考察的参数值范围上有限，且多重行为特征之间可能的相互作用在很大程度上被忽略。在本研究中，我们对同一模型进行了规模显著更大的参数扫描数值实验，每个参数维度的参数范围扩大了一个数量级，共计 116,640 次模拟运行。为捕捉行为参数间非平凡的相互作用，我们使用人工神经网络对结果度量依赖于模型参数的关系进行建模与可视化。结果表明，尽管同质性及对新奇事物的关注之间的竞争仍是社会分裂的主要决定因素，但当个体具有强烈的社会从众行为时，会出现一个此前未知的转变平面。这意味着社会分裂相变也可能发生在同质性—社会从众的权衡中，这两种行为特征在微观个体层面效应非常相似，却产生截然不同的宏观集体层面结果，揭示了复杂集体系统非平凡的宏观动力学。