应用数学与交叉科学研究中心复杂网络团队于2026年6月2日进行每周小组组会，小组全体成员和各位导师共同参加。在这次组会上，由两名研一学生和一名研二学生汇报自己的研究进展，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。
姜怡然：本次汇报了一篇文献《Multimodal fake news detection via progressive fusion networks》。随着社交媒体上假新闻日益呈现图文并茂的传播形态，仅靠单一模态已难以准确识别。文章指出，现有方法存在两个关键缺陷：一是只关注图像的高层语义，忽视了边缘、频域噪声等浅层伪造痕迹；二是图文融合方式过于简单，往往仅在最后阶段拼接特征，无法实现深层互动。针对这些问题，本文提出了MPFN模型，其核心创新包括三点：多层级特征提取（同时保留空间域与频率域信息）、渐进式融合策略（从浅层到深层逐层融合图文特征）以及引入MLP-Mixer模块替代简单拼接，实现更精细的跨模态交互。实验在Twitter和微博两个公开数据集上取得了当前最优效果，准确率分别达到83.3%和83.8%，消融实验验证了各模块的有效性。通过将浅层视觉线索、频域篡改痕迹与文本语义渐进融合，该模型显著提升了多模态假新闻检测的性能，为构建更可靠的信息治理工具提供了新思路。
吴鑫：本次汇报近期的工作进展《Resistance distance in spatially embedded networks》 尽管现有的网络分析模型在节点重要性评估中常局限于单纯的相邻节点支配关系，且传统评估网络传输阻力的指标（基于最大连通子图LCC的平均电阻距离）存在严重的“幸存者偏差”，容易在网络受损出现高度碎片化时低估实际的网络损伤 。在本研究中，我们提出了一种兼具“阻抗感知”能力的新型中心性指标（RD-DomiRank），该框架不仅保留了原有的“竞争—支配”机制，还巧妙融入了由全局电阻距离编码的多路径冗余信息 。同时，为了真实衡量全局受损程度，我们提出了一种改进的网络功能鲁棒性评估指标——惩罚平均电阻距离（PMRD） 。 研究采用构建电阻加权的拓扑骨架矩阵方法推导出了 RD-DomiRank 的指标解析式 ，并结合谱图理论中的基尔霍夫指数定理，将复杂的跨组件全网阻抗计算转化为高效的矩阵迹运算以快速求解 PMRD 。随后，我们通过在一维 Kleinberg 空间网络、一维 Li 空间网络以及真实的美国西部电网数据集上进行节点移除与蓄意攻击模拟，对模型结果进行了验证 。研究结果表明，PMRD 彻底解决了网络断裂导致的碎片化连通假象，能更加客观地反映出针对原始网络全网节点的全局传输阻力与断连损伤 。此外，在识别空间嵌入网络中缺乏并行替代路径的结构性“瓶颈”节点时，RD-DomiRank 展现出了显著的优势，相比传统指标能更有效地定位那些一旦失效便会严重削弱网络全局连通性和传输效率的核心节点 。
柯露：本次汇报了一篇文献《Importance of social inequalities to contactpatterns, vaccine uptake, and epidemicdynamics》。个体的社会人口学及经济特征在很大程度上决定了其接触病毒的程度和感染后的疾病严重程度，从而对流行病传播产生关键影响。尽管个体特征与流行病动态之间的复杂相互作用已得到广泛认识，但传统的数学模型往往忽略了这些因素。这篇文章探讨了与流行病相关的两个重要人类行为方面：接触模式和疫苗接种率。利用匈牙利在COVID-19大流行期间收集的数据，首先识别出个体在接触模式和疫苗接种行为上差异最大的维度。结果发现，社会经济地位较高的群体相比弱势群体拥有更多的接触人数和更高的疫苗接种率。随后，文章提出了一个拓展的SEIR流行病学模型，将行为差异纳入其中。最后，将模型应用于分析匈牙利第四波COVID-19疫情，为真实世界情景提供了有价值的见解。通过将个体特征与传染病传播之间的关系联系起来，有助于更全面地理解疾病动态，并为有效的公共卫生策略提供指导。
