多层网络建模与可视化分析R包muxViz出新版了！
作者固化了纯R的最新版本，在斯普林格出版了指南，特推荐给大家。
软件下载地址：
https://manlius.github.io/muxViz/
图书作者撰写的专著前言
（译文）
网络是在多个学科中广泛用于建模复杂系统结构的数学对象。从人脑中的神经元网络到我们社会中人类的社交网络，在过去的二十年里，因其固有的跨学科建模和分析方法及其新颖见解的深度，网络科学迅速获得了关注。
网络科学并不是什么新鲜事：由社会科学家和生物学家开创，它半个世纪的发展是这些学科和应用数学之间富有成效的交叉融合的结果。就在20年前，该领域吸引了具有跨学科思维的最有远见的物理学家的兴趣，其贡献促成了所谓的网络科学。
如今，该领域是数据科学的基础部分，其应用涵盖了所有知识领域，包括物理科学、生命科学、社会科学和应用科学。网络科学是分析复杂系统的基础工具：这类系统的物理学，由粒子、分子、细胞或个体组成，是21世纪最丰富、最活跃的研究领域之一。
大约十年前，网络科学家认识到，网络科学家开发的经典方法不足以描述和解释广泛系统的复杂性，这些系统以单元之间多种类型的同时相互作用和相互依赖为特征。这种复杂系统就是大家今天熟知的“多层网络”。
尽管有相当多的出版物和专著专门聚焦于这个新颖的复杂系统描述框架，但关于多层网络的数据科学的综合性介绍工作仍然缺失，这本书是填补这一空白的第一次尝试。
我的目的是提供在实践中对经验多层网络进行分析和可视化的方法，这些网络具有广泛的应用，例如，举几个最相关的例子，诸如城市交通、人类流动、（计算）社会科学、神经科学、分子医学和数字人文学科等领域中均存在适合用多层网络描述与刻画的对象。
作为一名物理学家，我坚信我们的学科有潜力在推进人类知识方面发挥核心作用。然而，作为一名复杂系统科学家，我坚信，为研究复杂系统而开发的方法正在彻底改变我们对物理世界的研究方法。这场革命受到了几个与物理学“关联不大”的学科的欢迎：从系统生物学到社会科学，网络医学等新兴领域，经济物理学和社会物理学是密集的跨学科合作的结果。即使是计算机科学领域的最新进展，如人工智能，也开始受益于物理学家开发的标准概念。反过来也是如此：物理学开始受益于其他学科，通过使用新的方法，如遗传算法或深度学习，找到标准问题的（准）最优解，如相变临界点的识别和集体现象的表征。
从理论物理学到应用数学，具有不同背景的网络科学家正在迅速打破传统的知识边界，在未来，我希望新一代物理学家将有机会接受复杂性科学的正式培训，就像现在的量子力学或广义相对论一样。
正如Stephen Hawking在大约20年前预测的那样，由于我们生活在复杂性的世纪，复杂性科学需要理论和计算技能，因此从新颖的角度重新思考学术书籍是至关重要的。
本书的目标是为读者提供我们将要使用的计算工具背后的基本理论基础，以及使用它们来分析现实世界的实用指南和示例。因此，对多层网络科学更广泛的理论概述感兴趣的读者不能仅仅通过这项工作来满足，相反，这项工作应该被视为对专门用于该特定目的的教科书的补充。
因此，本书有望通过开发多个知识领域的应用程序，引导读者进入多层网络科学。为此采用的计算框架是muxViz：一套基于R编写的庞大函数库的可视化工具，用于多层系统的分析和可视化。muxviz背后的故事值得解释几句，因为它完美地总结了上面讨论的跨学科思维和努力。这是2013年，多个国际项目资助的研究人员通力合作制定共同的研究路线图的部分成果体现（当时，我是弗吉尼亚大学的博士后，相关项目是由亚历克斯·阿里纳斯领导的）。
Alex Arenas（弗吉尼亚大学）、Marc Barthelemy（CNRS/CEA）、James Gleeson（利默里克大学）、Yamir Moreno（萨拉戈萨大学/BIFI）、Mason A.Porter（当时在牛津大学，现在在加州大学洛杉矶分校），他们的部分实验室参加了此次会议。会议研讨的众多结果之一是呼吁使用一种用户友好的计算工具，至少可以可视化多层网络，并呼吁建立一个库，与其他用户社区共享，但有一点特别吸引了我的注意：正如亚历克斯·阿里纳斯所评论的那样，网络可以放置在层上，层可以“使用一些简单的投影几何”以某种有意义的方式布局。
事实证明，虽然要使用的投影几何相对简单，但允许根据多个标准灵活地可视化层及其网络是一项更具挑战性的任务。经过近一年的研究和开发，产生了muxViz的第一个版本：一个基于R语言的计算框架，凭借良好的图形用户界面。muxViz发布并发表了相关研究报告后，很快（出乎意料地）成为了多层网络分析和可视化的标准工具，拥有快速增长的热情用户社区（截至2020年12月底，超过600人订阅了官方群组）。如今，muxViz是免费的、开源的，比它的第一个版本快2000倍，并且可以依靠一个具有数百个功能的库来创建、操作、建模、分析和可视化多层网络。
尽管在这个新领域开发的理论和计算技术是不可计数的，但muxViz并没有包括所有这些，主要是因为缺乏公开的（R）代码。明确地说，未来还需要做更多的工作，以解释该框架中尚未包含的几种算法。同时，muxViz允许生成多层模型，计算最常用的中心性描述符，检测社区，减少多层结构，分析三元组和运动，以及一些特征。这本书的未来版本将涵盖新颖的理论和计算工具，从更复杂的生成工具鲁棒性和渗透分析模型；然而，请注意，底层库的当前版本允许编写自己的R脚本，原则上，可以适当地用于实现现有算法，从而扩展muxViz工具包。
这本书是从一位对真实系统（无论其领域如何）分析感兴趣的跨学科物理学家的角度，对这些特定特征的理论背景进行的一次短途旅行。这本书需要一种开放的心态来阅读，因为它是以开放的心态写的，社会科学的原理与系统医学或交通工程的应用相结合。关于最近一项更广泛地涵盖多层网络科学理论方面的工作，我参考了最近的[1]和[2]。
原则上，数据允许多层表示的所有学科的从业者和研究人员都是本书的主要读者。非详尽的学科列表包括：物理学、神经科学、分子和系统生物学、城市交通与工程、数字人文科学，社会和计算社会科学。文本附有几个代码片段，这些代码片段专门用于再现特定的分析或可视化，以及真实的多层网络的数据集，以促进读者通过该学科的计算方面的旅程。
Trento,July 2021,
Manlo De Domenico
02
参考文献
【1】Artime, O. & al, e. Multilagyer Netork Science.Theory and Applications:fromm Cells to Societies (Cambridge University Press，2021).
【2】Bianconi,G. Multilaxyer net works: structure and function (Oxford University Press，2018).
（部分插图欣赏）
