报告一
报告题目：Epidemic spreading under pathogen evolution
报告时间：5月24日（周一）上午9:30
报告地点：物理系301会议室（实践楼301）
报告人简介：张希昀，暨南大学物理学系副教授。主要研究方向为非线性动力学、复杂网络与复杂系统，在Physical Review Letters, Physical Review E, Chaos, PLoS Computational Biology, 等国际权威期刊上发表论文20余篇，谷歌学术引用次数650次。其中论文《Explosive synchronization in adaptive and multilayer networks》被选为PRL的编辑推荐论文，发表至今已被引用超过200次，为ESI高被引论文。2014.10-2015.9，获国家留基委资助在非线性动力学领域领军人物，德国波茨坦大学的Arkady Pikovsky教授小组联合培养一年，2016.8-2019.11，在生理学数据分析方面的权威，美国波士顿大学的Plamen Ivanov教授小组做博士后研究。多年来张希昀博士在耦合振子同步化、传播动力学、时间序列分析、探索生理性、病理性诊断新指标等领域都取得了不错的成绩。
报告摘要：人类与流行病的斗争就像一场军备竞赛，其中的焦点就是防疫策略的制定与病原体的演化之间的竞争。最近在南非、英国、印度等发现的变异新冠病毒表现出的超强传播力也对防疫策略的指定提出了新的要求。基于此，我们在传统的流行病传播动力学中加入了病原体的随机变异动力学，并发现变异作用会极大的影响传播的结果。初始的基础感染率R0<1时，变异作用的存在也可能造成疾病的最终爆发。通过对不同动力过程时间尺度的分析，我们发现只有当变异的速度既足够快（让病原体在疫情结束前发生足够大的变异）又足够慢（让变异出的优势性状可以被自然选择过程保持下来）时，变异过程才能促进疾病的爆发。最后，通过数值模拟，我们展示了只有当疫苗接种过程足够快，并且社会隔离政策足够严格时，才能最大程度限制变异作用对传播过程的影响。
报告二
报告题目：无序相位增强耦合双稳态系统检测阈下信号
报告时间：5月24日（周一）上午9:30
报告地点：物理系301会议室（实践楼301）
报告人简介：梁晓明，男，博士，江苏师范大学物理与电子工程学院副教授，研究方向为非线性动力学与复杂网络，以第一/通讯作者在Physical Review E、IEEE Transactions on Neural Networks and Learning Systems等期刊发表论文20余篇，主持完成国家自然科学青年基金1项。
报告摘要：人们惊叹于众多生物从环境中感知微弱信号的本领，并为此提出了各种模型来解释其动力学机制。在本报告中，针对组成非线性系统的各个单元到外部信号源的距离不同，我们在外部信号中引入了无序相位。我们发现在一定条件下，较大程度的无序相位有助于非线性系统检测阈下信号。我们进一步指出，较大程度的无序相位会形成均值为零的集体行为，从而提高了非线性系统对阈下信号的响应能力。本报告的研究内容希望有助于理解生物的信号处理方式和仿生信号装置的设计。
报告三
报告题目：Role of lurkers in the threshold-driven information spreading dynamics
报告时间：5月24日（周一）上午9:30
报告地点：物理系301会议室（实践楼301）
报告人简介：阮中远，浙江工业大学网络空间安全研究院讲师。2013年获华东师范大学理论物理专业博士学位。2013-2015年在匈牙利布达佩斯中欧大学从事博士后研究。曾获第八届全国复杂网络学术会议最佳学生论文奖。已在Physical Review Letters, Physical Review E, Chaos, 《中国科学》等国内外著名期刊上发表论文近30篇。当前主要研究兴趣包括复杂网络上的流行病传播、信息传播和交通网络等。
报告摘要：Threshold model as a classical paradigm for studying information spreading phenomena has been well studied. The main focuses are on how the underlying social network structure or the size of initial seeds can affect the cascading dynamics. However, the influence of node characteristics has been largely ignored. Here, inspired by empirical observations, we extend the threshold model by taking into account the lurking nodes, who rarely interact with their neighbors. In particular, we consider two different scenarios: 1. the lurkers are absolutely silent and never interact with others; 2. the lurkers would occasionally engage with their neighborhood. In the first case, we demonstrate that the lurkers reduce the effective average degree of the underlying network, playing a dual role in the spreading dynamics. In the latter case, we find that the stochastic dynamic behavior of lurkers could significantly promote the spreading of information.
欢迎广大师生参加！
