自然·通訊：高階網絡的“可約性”

導語

當用網絡描述一個復雜系統時，僅憑兩兩連接（pairwise interactions）或許遠遠不夠。學術會議上的多人交談、藥物配方中的多種成分、論文的多個合著者，這些場景本質上都涉及高階交互（higher-order interactions）。然而，記錄高階交互的成本極高。究竟何時必須使用高階網絡，何時又可以安全地將其簡化為普通的成對網絡？2026年1月15日發表于《Nature Communications》的一項研究給出了新的答案。該研究借鑒量子統計物理與信息論，提出了一套量化框架，試圖回答：高階網絡能否在保留核心功能信息的前提下，被“壓縮”回低階結構。

關鍵詞：高階網絡，可約性（reducibility），密度矩陣（density matrix），擴散動力學，信息論，模型壓縮（model compression）

王璇丨作者

趙思怡丨審校

論文題目：Reducibility of higher-order networks from dynamics 論文鏈接：https://www.nature.com/articles/s41467-025-68273-4 發表時間：2026年1月15日 論文來源：Nature Communications

當網絡不再只是“連線”

傳統成對網絡以節點代表個體、邊代表關系，在社交網絡分析和腦科學等領域功不可沒。但現實遠比這復雜，一場代謝反應往往是多種底物與產物同時參與的“化學反應團”；學術會議中，人們以小團體形式交談，而非僅一對一對話。這些場景的核心在于，交互本質是“群體的”，而非“成對的”。

為捕捉這種群體交互，研究者引入高階網絡，常見形式包括超圖（hypergraph）和單純復形（simplicial complex）。高階網絡雖描述能力強大，但代價也極其高昂：存儲需新格式，分析需新工具，計算復雜度更隨階數指數級攀升。這引出研究的核心矛盾：高階網絡的“高保真”描述，究竟何時必要且不可替代？

從結構到功能：

用擴散動力學尋找最優“壓縮率”

判斷一個網絡是否“可約”，不能只看結構，更要看在網絡上發生的動態過程，從功能視角評判結構的必要性。研究者選擇擴散（diffusion）作為探測工具：想象在網絡節點上釋放信息，它會沿著連接流動。短時間內，信息只能流到鄰近節點，探測局部結構。長時間內，信息遍布全網，反映全局特征。這個時間參數τ（擴散時間）就像一個可調的“放大鏡”。

圖1 高階網絡的功能可約性。

作者借用量子物理中的密度矩陣概念，將網絡狀態編碼為一個矩陣。他們進一步將其推廣到高階網絡，使用多階拉普拉斯矩陣（multiorder Laplacian）對1到D階超邊進行加權求和，從而定義了描述高階網絡在擴散時間τ下狀態的高階密度矩陣。這個矩陣成為評價模型的數據本身。

對于一個最高階數的超圖，如果只保留到d階的超邊，簡化版模型能在多大程度上再現原始系統的擴散過程？研究者構建了一個代價函數（cost function）來量化：代價 = 信息損失 + 模型復雜度。信息損失用KL散度衡量，簡化模型描述原始數據時丟失了多少信息。模型復雜度則用簡化模型與“孤立節點系統”的熵之差定義：結構越有序、越復雜，熵越低，復雜度越高。兩者之和呈現先降后升的U形曲線，曲線最低點對應的d就是最優階數。

圖2 成本函數，基于Kullback–Leibler散度的信息損失與模型復雜度之和。

比較不同階數模型時面臨一個關鍵技術問題：擴散時間τ的尺度不統一。一個3階超圖和只含1、2階的簡化版，相同τ值意義完全不同。為此，作者推導出時間標度變換。考慮簡化模型時，必須用更長的擴散時間去探測，才能與原始模型公平比較。這一變換保證了比較的公平性。

從理論到現實：

超環、隨機網絡與實證數據

為驗證框架有效性，團隊從理論模型一路走向真實數據。他們首先分析超環，發現極短擴散時間下，超環不可約，因信息流動依賴局部高階結構。中等及較長時間下，它變得可約，因全局連通性主導。這表明可約性本身依賴于觀察的時間尺度。隨后轉向兩種隨機網絡：隨機超圖中，各階超邊隨機獨立生成，系統幾乎不可約，而隨機單純復形因包含性約束產生結構冗余，變得可約。

團隊進一步分析60個真實高階網絡數據集，涵蓋合著、面對面接觸、藥物成分、代謝、政治提案、戲劇角色同臺等。短時間尺度下，不同系統可約性差異巨大。長時間尺度下，幾乎所有系統都不可約，再次印證了高階交互在宏觀尺度上無法忽視。

圖3 超環的解析可約性。

什么決定了可約性？研究者聚焦可約性較高的“面對面接觸”數據集，設計三套隨機化策略：配置模型（Configuration Model），節點交換（Node Swap）和完全洗牌（Shuffling）。結果發現，策略1和2雖極大破壞嵌套性，卻保留了可約性，只有策略3破壞度異質性后，才徹底摧毀可約性。在這些社交網絡中，決定可約性的核心并非高階與低階的包含關系，而是節點的度分布及其異質性：只要“社交活躍度”分布被保留，擴散功能就依然“可約”。

邁向更精簡的復雜系統模型

當面對日益復雜的數據世界，知道何時應該簡化，或許比知道何時應該復雜化更具智慧。并非所有系統都天生需要高階模型，在面對面接觸這類場景中，成對交互或許就能抓住問題的核心。而在學術合作、生化反應中，高階交互則是不可約簡的硬核信息。這項工作成功地將統計物理、量子信息的概念引入網絡科學，為解決網絡模型的維度災難提供了一個嶄新的視角。未來的研究可以沿著這個方向，探索更普適的動力學、更嚴謹的貝葉斯模型選擇框架，以及如何將這種可約性分析應用于更多的生物和社會系統，例如理解大腦的連接組究竟在多大程度上依賴于高階的神經元協同放電。

高階網絡社區

隨著對現實世界探索的不斷深入，人們發現在許多真實的復雜系統中，組成系統的個體之間不僅存在二元交互關系，也廣泛存在多個體同時（或以特定順序）進行交互，即高階交互現象。為此，研究人員分別發展出了基于超圖、單純復形、依賴關系等的網絡高階表示模型，為復雜網絡分析和研究提供了新的思路。

由電子科技大學呂琳媛老師、任曉龍老師及中國地質大學（北京）管青老師在集智俱樂部聯合發起了【 】。讀書會圍繞高階交互網絡的基本概念、模型、方法與應用等研究進行研討，按照「基礎理論」+「深入理論」+「案例研討」的模式展開。讀書會第一季已經圓滿結束，第二季正在籌備中。現在報名加入可以解鎖第一季全部錄播視頻并加入社群交流。

詳情請見：

1.

2.

3.

4.

5.

6.

7.

8.

9.