RCNS实验室在4月7日上午9:00-12:00举行了2022年数理科学学院第三期研究生论坛，RCNS全体成员和各位导师共同参加。在这次组会上，首先由2名研一学生和2名研二学生汇报自己的研究进展，然后老师与同学们对汇报内容进行学术探讨，并对存在的问题给出相应的指导和建议。

朱在亮：文章主要提出了一个蛋白质组信息（Proteome-Informed）机器学习 (ML) 平台，用于发现几乎最佳的抗可卡因成瘾先导化合物。分析了可卡因成瘾所涉及到的蛋白质相互作用网络，以确定所涉及的药物靶点，并建立了 32 个 ML 模型，对 60,000 多种候选药物或实验药物进行交叉靶点分析（cross-target analysis）来推断其副作用和再利用潜力。又进一步预测了它们的 ADMET（吸收、分布、代谢、排泄和毒性）特性。最终筛选出几乎最佳的抗可卡因成瘾的化合物。

赖杨帆：汇报主要是最近做的相关实验，研究主播PK中查找PK优胜主播的特征。特征有平台助力（以主播节点权重反映）、主播可信度（观众是否会受到主播影响改变自己的观点值）、主播自我程度（主播是否会改变自己的观点值）、即时反馈（影响主播的初始观点值以及主播观点更新机制）。对查找PK研究进行完善后，会进行随机PK的研究，随机PK会改变网络结构与网络中所有节点权重，还会引入处于竞争状态的赞助商的影响与产品质量的影响。

韩垚：文章借鉴多重网络理论与传播动力学理论，考虑工作中线下沟通、工作中通过企业社交媒体在线洵通及非工作时间电子沟通三种主要渠道，建立基于多渠道的多重网络中的创意扩散模型；其次，确定多重网络中的扩散阈值，得出创意在多重网络中持续扩散的阈值条件；最后，对创意在多重网络中的扩散过程进行仿真实验，探究各子网络层间创意扩散的交互影响，分析网络结构对创意扩散的影响，并提出基于多渠道的创意扩散策略。

刑畅：分享了一篇于今年2月份发表于Chaos上的名为《Hurst analysis of dynamic networks》的文章，文章构建了一个快照网络的多重分形分析，其中赫斯特积分被用来描述隐藏在结构动力学中的分形结构。其次，对网络模型进行了调整，并进行了比较分析，以阐明Hurst指数的意义，发现了快照网络通常包含多个分形结构，如局部和全局分形结构。最后，讨论了两个真实网络数据集的分形结构。发现真实的快照网络也包含了丰富的动态，可以用赫斯特指数来区分。特别是，金融网络的动力学包括多重分形结构。文章为研究动态网络提供了一个视角，从而间接地描述了复杂系统动力学的分形特性。

                                 — 学生汇报照片展示 —