流行病传播和消息传播是复杂网络上的两大基本传播动力学过程，已有研究大多都是独立的分析这两个传播动力学。然而，实际生活中它们却紧密相关，存在非对称耦合作用。比如，大规模的流行病爆发依赖于关于疾病消息的传播，尤其是流行病传播初期，个体意识到存在感染邻居将采取措施保护自己，从而极大程度的抑制了流行病传播。探究消息传播和流行病传播的内在机制及其相互影响已成为复杂网络科学的一个新的研究方向。

针对这一问题，大数据研究中心，网络科学实验室博士生王伟在唐明副教授的指导下，与本校博士生杨慧、韩国庆北大学YounghaeDo教授、GyuWonLee教授和亚利桑那州立大学Ying-ChengLai教授合作在《ScientificReports》发表“Asymmetrically interacting spreading dynamics on complexlayered networks”一文。王伟等人研究了消息和疾病在各自的网络上传播且它们之间存在非对称耦合作用的情况，重点关注爆发阈值和传播范围两个重要指标。他们发现接触网络上的流行病爆发会引发通讯网络上的消息爆发，而消息的传播会增加疾病的爆发阈值。此外，两个子网之间存在度关联并不改变消息爆发阈值，却有利于抑制疾病爆发。他们发展了一套数学解析方法来研究消息和疾病传播动力学之间的相互作用。他们的研究模型和理论框架加深了人们对信息-疾病耦合动力学、社会-生物传播系统的理解和认识，有助于进一步揭示个人、经济和社会等方面因素在流行病传播过程中的影响机制，也为流行病预警和控制提供了理论指导。

论文信息：

Wei Wang(王伟), Ming Tang(唐明), Hui Yang(杨慧), Younghae Do, Ying-Cheng Lai, and GyuWon Lee,Asymmetrically interacting spreading dynamics on complex layered networks, Sci.Rep. 4: 5097 (2014).

论文链接：