本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2026-03-12
摘要
在過去的二十年中，人們發展了多種方法來從互連繫統的集體動態推斷其底層網路結構。然而，能夠推斷非成對交互作用的方法才剛開始出現。在這裡，我們開發了一種基於非線性動力學稀疏識別（SINDy）的推理演算法，用於從時間序列資料重建超圖和單純複形。我們的無模型方法不需要有關節點動力學或耦合函數的信息，使其適用於沒有可靠數學描述的複雜系統。我們首先對 Kuramoto 和 Lorenz 動力學產生的合成數據進行新方法的基準測試。然後，我們用它從靜息態腦電圖數據推斷大腦中的有效連接，這揭示了非成對相互作用在塑造宏觀大腦動力學方面的重要貢獻。