自然·通讯：渗流的“时间指纹”——锁定真实网络的普适类

导语

2026年7月发表于 Nature Communications 的一项研究，将渗流分析从静态网络构型转向边依次加入时产生的增长事件。研究者发现，最大连通簇在临界区和超临界区的增长间隙呈现“时间自相似性”，并可用两个费希尔型指数刻画。该方法无需预先知道精确临界阈值，也不要求获得同一网络的多个尺寸版本，为识别真实复杂网络的渗流普适类及比较其碎裂特征提供了新的统计框架。这里的“时间”指渗流事件的先后顺序，而非现实中的自然时间。

关键词：复杂网络、渗流、时间自相似性、普适类、网络韧性

方胜（论文一作）丨作者

赵思怡丨审校

论文题目：Temporal self-similarity reveals percolation universality classes in complex networks 论文链接：https://www.nature.com/articles/s41467-026-75436-4 发表时间：2026年7月13日 论文来源：Nature Communications

当大尺度连通性在临界点瓦解

想象一个冬夜的城市电网。变压器一台接一台地超负荷跳闸，起初只是一小片黑暗，随后故障像多米诺骨牌般蔓延，几分钟内，整个区域陷入大面积停电。在统计物理学家眼中，这一幕是渗流的经典场景：网络中的节点或边被逐个移除，当破坏程度越过某个临界比例，原本联通的巨大连通簇轰然碎裂，系统从有序骤然跌入失联。

在渗流模型中，网络的节点或边被逐步移除。随着破坏程度增加，原本横跨整个系统的巨大连通簇不断缩小，并在临界点附近失去大尺度连通性。反过来，也可以从一个空网络出发，逐条加入边，观察分散的小团簇如何合并并形成巨大连通簇。本文采用的正是后一种增长视角。

渗流理论的重要概念之一是“普适性”：一些微观结构不同的系统，在临界点附近可能表现出相同的标度规律，并由同一组临界指数刻画。不过，普适性并不意味着所有结构差异都会消失。空间维度、相互作用范围和网络异质性等因素仍可能决定系统属于哪个普适类；而晶格的局部形状等细节，在同一普适类中通常不会改变临界指数。二维晶格、Erdős–Rényi随机网络和无标度网络，便可能对应不同的临界行为。

问题在于，这套理论在真实网络上并不容易应用。现实中的社交、生物和基础设施网络通常规模有限、结构高度异质，而且往往缺少明确的空间维度。社区结构、聚类、核心—边缘组织等特征还会进一步影响网络的碎裂过程。传统有限尺度标度分析通常需要准确定位临界点，并比较同一系统的多个尺寸版本；但真实世界往往只能提供一个有限网络，使临界阈值和临界指数难以可靠提取。由此产生了一个关键问题：如何识别真实复杂网络的渗流普适类？

图 1：模型网络与真实网络的渗流与韧性。(a)–(c) 二维晶格、Erdős–Rényi随机网络网络、无标度网络等理想模型可解析地确定临界阈值与临界指数，表现出清晰的普适行为；(d) 真实网络（社交、生物、道路等）中，临界阈值与临界指数一般不具备普适性，必须由数据直接测定。

2026年7月发表于 Nature Communications 的这项研究提出了一种新的分析路径。北京师范大学樊京芳教授团队与多家中外机构合作，关注点从临界点附近的静态网络构型，转向边依次加入时产生的完整增长事件序列。研究者发现，最大连通簇的增长间隙在临界区和超临界区呈现“时间自相似性”，并提出用两个费希尔型指数刻画网络的渗流普适类。这里的“时间”指渗流事件的先后顺序，而非现实中的自然时间。该方法无需预先知道精确临界阈值，也不要求获得同一网络的多个尺寸版本，因此尤其适合分析真实复杂网络。

从一次“最大跳跃”到完整的增长事件流

先从渗流的增长过程说起。设想从一个只有节点、没有边的网络出发，再将边按照随机顺序逐条加入。随着原本分散的团簇不断合并，最大连通簇 并不是平滑增长，而是呈现一系列大小不同的跳跃，论文将每次跳跃的幅度称为“增长间隙”。2020年，樊京芳教授团队曾在 Nature Physics 发表研究，将渗流过程中的最大增长间隙作为极端事件分析。最大间隙出现的位置可以用来确定有限系统中的“伪临界点”，其大小和对应的连通簇规模则包含临界标度信息。本研究进一步将分析对象从单个最大间隙扩展到全部增长事件。研究者统计最大连通簇在整个渗流过程中经历的增长间隙，并构建间隙大小分布。这个分布与传统渗流理论中的团簇大小分布相似，但统计的不再是某一时刻的静态团簇，而是网络沿边加入顺序发生的动态合并事件。

研究者首先考察了二维方晶格中前五个最大间隙，发现它们出现的位置、跳跃幅度和对应的连通簇大小，都随系统规模呈现相同的标度规律。这说明，临界信息并不只集中在一次最大的跳跃中，而是分布在一系列增长事件里。进一步分析全部间隙后，三个渗流阶段表现出不同的统计特征。在亚临界区，网络由许多较小且彼此分离的团簇组成，最大连通簇增长缓慢，显著的间隙事件很少。接近临界点时，较大的团簇频繁合并，间隙的数量和尺度迅速上升。进入超临界区后，巨大连通簇已经形成，增长事件仍会不断出现，但大幅跳跃逐渐减少，间隙分布趋于稳定。

图 2：前五个最大间隙的普适标度。二维方晶格键渗流中，最大连通簇前五个增长间隙的位置、幅度与对应簇大小的均值及涨落，随系统体积 V 均按相同的幂律标度收缩——不同间隙阶数共享同一临界行为。

研究最关键的发现是：在临界区和超临界区，间隙大小分布都表现出清晰的幂律标度。换言之，尺度不变性不仅存在于临界点附近的空间团簇结构中，也出现在沿渗流事件顺序展开的增长轨迹中。论文将这种动态尺度不变性称为“时间自相似性”。这里的“时间”指边依次加入的事件顺序，而不是系统在现实时间中的自然演化。

这种时间自相似性可以由两个独立测量的费希尔型指数刻画：τc 描述临界区的间隙统计，τs 描述超临界区的间隙统计。通过论文建立的标度关系，二者还可以用于推导序参量指数、关联长度指数等传统临界指数。因此，这两个数构成了一组简洁的普适类描述量，将复杂的临界行为压缩为间隙分布中的两个幂律指数。

图 3：间隙大小分布的时间自相似。(a)-(d)最大连通簇随占边比例的生长与三个典型阶段和典型构型；(e)–(h) 临界区的间隙大小分布，幂律指数是；(i)–(l) 超临界区的分布 ，幂律指数是；内嵌图为数据叠落图，支持统一的动态标度形式。

以二维渗流为例，临界区指数 τc 的数值结果为1.62(1)，与理论预测的约1.60一致；超临界指数 τs 也与经典费希尔指数相符。这表明，动态增长事件保留了传统静态临界理论中的普适信息。

这套方法的突出优势是，不必预先知道精确的临界阈值，也不要求获得同一网络的多个尺寸版本。对于通常只有一个拓扑样本的真实网络，研究者仍可在该网络上进行大量随机渗流模拟，从间隙分布中估计两个指数，进而识别其渗流普适类。

真实网络的“普适类指纹”

在分析真实网络之前，研究者首先用二维晶格、Erdős–Rényi随机网络、随机正则网络和无标度网络检验这一框架。结果显示，不同模型的间隙分布都符合相应的动态标度形式，其中超临界指数 τs 与各自普适类的经典费希尔指数一致。这表明，最大连通簇的动态增长事件保留了静态临界团簇中的普适信息。

研究者随后选取了九个来自不同领域的真实网络，涵盖生物、合著、引文、交互、推荐、社交、科学计算、道路和基因网络。尽管这些网络的规模和结构差异明显，它们的间隙大小分布都呈现出清晰的幂律区间。每个网络都可以由一对指数 (τc, τs) 定位；具有相似拓扑组织的网络会聚集在相近区域，由此形成可比较的“普适类指纹”。

结果显示，真实网络并不能简单归入理想模型所预测的普适类。许多社交、引文和推荐网络都具有高度异质的度分布，看起来与无标度网络相似。例如，论文分析的推荐网络度指数约为2.5，但实际测得的 (τc, τs) 明显偏离理想无标度模型的预测。这说明，仅凭度分布不足以确定真实网络的渗流普适类。社区结构、局部聚类、核心—边缘组织、同配性和空间嵌入等高阶特征，也可能改变网络失去连通性的路径。论文并未逐一分离这些因素的因果作用，但结果表明，真实网络的临界行为受到比度分布更丰富的结构信息影响。

图 4：真实网络的普适类分布。(a)–(i) 生物、合著、引文、交互、推荐、社交、科学计算、道路、基因九类真实网络的间隙大小分布，各自对应一对独特的幂律指数；(j) 所有网络在平面上的位置——灰色虚线为无标度网络的理论普适类线。

把这些指纹画到一张 平面上，还能读出更丰富的物理。道路网络贴着低维晶格的区域，这很合理，因为它们受空间约束、度分布狭窄，本质上更像一张被拉进平面里的格子；而社交、引文、推荐网络则挤向异质无标度网络一侧。两个指数的含义也很直观： 与传统的刻画团簇大小分布费希尔指数一致，越大说明临界团簇的尺度分布越窄，越接近平均场式的行为； 越大则对应更强的涨落和更明显的多尺度组织。低维晶格是“小τc、小τs”，高维随机图是“大τc、大τs”。这些指数不只是分类标签，还直接对应着韧性。结构关联与社区组织既可以抑制级联失效，让崩溃来得更平缓，也可以加速系统性崩塌，让失联来得更突然。两个指数由此成为量化一个网络在何种扰动下、以何种方式失去连通性的直接读数。

这种分类还展现出惊人的稳定性。同一个拓扑组织会收敛到同一个普适类：论文中多个规模、密度、社区构成各异的 Facebook 子网络，独立分析得到的临界指数几乎完全相同。即便是时间上演化的系统也一样——对跨年代构建的期刊引文网络做分析，不同时段的数据竟然完美塌缩到同一条标度曲线上，说明引文网络在持续生长与结构变迁中，始终属于同一个普适类。

图 5：时间演化引文网络的同一普适类。由不同年代（1900–1961）引文记录构建的期刊引文网络，其间隙大小分布在临界区与超临界区分别塌缩到同一条标度曲线，(τc, τs =(1.75, 2.57)——随时间持续生长的网络仍属于同一普适类。

从统计物理到真实世界的韧性诊断

这项工作的意义，在于为预测真实系统的崩塌提供了一件趁手的工具。许多关键的地球与生态系统，如热带雨林的碎裂、北极海冰的灾难性融化、城市交通的瘫痪、气候网络的相变等都表现为由局部失效累积触发的结构性崩溃，而它们恰恰没有副本、没有良好的控制参数，传统静态观测往往束手无策。本文的动态间隙框架提供了一种动态诊断：不依赖精确临界点，参数自由，规模可扩展，单一样本就够用，因而能直接量化一个系统的韧性损失，甚至在崩塌发生前发出预警信号。

框架的边界也正在被推向更广处。补充材料里已经展示了它对爆炸渗流同样成立——尽管那类转变的性质截然不同。高阶三元相互作用、多层与相依网络、自适应网络，这些充满挑战的场景，自然成为下一个战场。而一个更耐人寻味的问题留在了文末：真实网络的普适类似乎被一个看不见的包络约束着，没有哪个系统显著越出无标度网络族谱的范围。这种约束究竟是稀疏性、聚类、空间嵌入等普遍结构共性带来的必然，还是我们尚未理解更深层规律的信号？答案或许会引领下一次对普适的重新定义。在物理学家看来，普适性的意义从来不止于描述模型。当一群鸟在临界点附近灵活转向，当一片森林在高温下成片枯萎，当一座城市的电网在暴风雪中溃堤，它们共享的，也许正是同一组时间指纹。

地球系统科学读书会

世界气象组织《2023年全球气候状况》报告确认2023年是有观测记录以来最暖的一年。气候变化正在以高温、干旱、洪水、野火和沙尘暴等极端天气的形式吸引人们的广泛关注。世界经济论坛《2024全球风险报告》将气候变化作为首要值得关注的风险。地球作为一个多要素、非线性的开放复杂系统，要素间相互作用关系复杂，往往牵一发而动全身。在人类活动深刻影响下，我们该如何理解并有效应对正在面临的气候变化以及其带来的社会经济等一系列议题，实现人类与地球的可持续发展？

为了能够深入理解人类世背景下地球系统各要素之间复杂的相互作用与演化机制，并为人类应对未来的地球系统科学重大挑战提供一套科学的认知框架，集智俱乐部联合清华大学讲席教授陈德亮、北京师范大学教授樊京芳、东莞理工学院特聘副研究员陈爱芳、南开大学副教授戴启立老师和爱尔兰都柏林大学博士生班崭共同发起，将组织大家从新的研究范式出发梳理相关文献，并深入研读其中涉及的理论与模型。

详情请见：

1.

2.

3.

4.

5.

6.

7.