通过从数据推断 Langevin 动力学来揭示社会演化的隐藏特征
社会与信息网络
2026-01-27 v1 统计力学
物理与社会
摘要
社会与文化历史演化中是否存在隐藏的动力学共性模式？尽管日益可获取的已数字化社会数据为回答这一问题提供了可能，但既有的定量方法往往依赖于确定性快照或平均效应。此类方法忽略了历史轨迹的连续性与固有不确定性。在本文中，我们提出了一个将历史动力学建模为由随机微分方程 (SDEs) 描述的随机过程的框架。通过将历史变化视为连续时间动力学，这一框架提供了自然语言来描述结构性趋势与固有随机波动如何相互作用以塑造社会演化。这种方法允许我们处理零星历史记录中的不确定性，超越结构确定论与纯粹偶然性的二元对立。我们演示，采用这种随机视角后，能够解锁一系列静态模型所不可用的分析能力。具体而言，我们引入了方法来：(1)量化不可逆性；(2)检测外生扰动；(3)对缺失的历史记录进行多重插值。该框架为剖析历史变迁的稳定性、偶然性与动力学提供了统一的方法。
引用
@article{arxiv.2601.17772,
title = {Unveiling hidden features of social evolution by inferring Langevin dynamics from data},
author = {Youngkyoung Bae and Hajime Shimao and Seungwoong Ha and Luna Yang and David Wolpert},
journal= {arXiv preprint arXiv:2601.17772},
year = {2026}
}