摘要：科学家通常使用HyperGraph模型来预测动态行为。但是相反的问题也很有趣。如果研究人员可以观察动态但无法访问可靠的模型怎么办？科学家现在有一个答案。他们描述了一种新型算法，该算法只能使用观察到的动力学来推断超图的结构。...

在网络中，成对的单个元素或节点相互连接；这些连接可以代表具有无数个个人链接的庞大系统。超图更深了：它为研究人员提供了一种建模复杂，动态系统的方法，在这种系统中，三个或更多个个体甚至在个人群体中之间的相互作用可能起着重要作用。它不是连接节点对的边缘，而是基于连接组节点。超图可以代表高阶相互作用，代表集体行为，例如在鱼，鸟类或蜜蜂或大脑中的过程中蜂拥而至。

科学家通常使用HyperGraph模型来预测动态行为。但是相反的问题也很有趣。如果研究人员可以观察动态但无法访问可靠的模型怎么办？ SFI复杂性博士后研究员Yuanzhao Zhang有一个答案。

在发表的论文中自然通讯，张和他的合作者描述了一种新型算法，可以仅使用观察到的动力学来推断超图的结构。

他们的算法使用时间序列数据（在一段时间内均匀收集的观测值）来构建产生观察到的模式的超图（以及高阶相互作用的其他表示）。张说，它可以应用于任何假定具有一些基本数学结构的数据集。时间序列数据可用于研究疾病的传播或金融市场，生物系统和许多其他情况的行为。

值得注意的是，该方法仅需要数据。它不需要有关系统或单个节点的行为的先验知识。张说：“这是主要的优势。” “它打开了更多的可能性，您可以将其应用于您不知道潜在动态的系统。”

他以大脑功能为例。研究人员可以收集观察性的时间序列数据，但是它们对所有内容的合适方式都没有良好的模型。他说：“显然，我们无法张开大脑，看看实际发生了什么。” “但是我们可以通过查看大脑记录的数据来学习一些东西。”

在新论文中，张和他的合作者通过按时间序列数据进行测试来验证他们的方法，以确保其生成已知的基础结构。然后，他们将其应用于从100多名人类受试者收集的脑电图（EEG）数据中。脑电图测量大脑各个区域的电活动，随着时间的流逝，通过粘在人头皮上的传感器收集。结果报告看起来像是一系列波浪。

大脑中最著名的连接是成对的，将一个大脑区域连接到另一个大脑区域。但是，使用其新算法，张和他的合作者发掘了一个超图模型，该模型在三个或多个区域之间准确捕获了脑电图数据中的连接。这表明高阶相互作用在塑造大脑活动的宏观模式中起着重要且不足的作用。

研究人员使用其模型来确定大脑区域之间最常见的相互作用类型。张说：“真正有趣的是，前六个著名的超中期都指向前额叶皮层，这是大脑中信息处理中心之一。”当前的工作可以推断出几百个节点的模型。将来，他希望扩展到更大的网络。