导语

在复杂系统研究中，我们早已习惯用“网络”来理解世界：节点代表个体，边代表相互作用，动力学写在节点上，同步、扩散、渗流随之发生。但如果你认真思考神经系统、气候系统或社会协同行为，就会发现一个被长期忽略的事实——真正起关键作用的，往往不是节点，而是连接本身，甚至是多体关系形成的结构形状。

这篇2025年2月19发表于 Nature Physics 的 Perspective《Topology shapes dynamics of higher-order networks》提出了一种正在成形的新范式：高阶拓扑动力学。在这里，系统的状态不再只属于节点，而是分布在边、三角形乃至更高维单元上；拓扑不再只是“描述结构”，而是直接决定系统能否同步、如何形成图案、以及渗流是否会走向混沌。这不是对传统网络理论的修补，而是一种视角上的跃迁。

关键词：高阶网络（Higher-order networks）、拓扑动力学（Topological dynamics）、同步（Synchronization)、渗流（Percolation）

郑鸿盛 丨作者

赵思怡 丨审校

论文题目：Topology shapes dynamics of higher-order networks

发表时间：2025年2月19日

论文来源：nature physics

在过去二十多年里，网络科学为理解复杂系统提供了一种极其成功的范式：用节点表示系统的组成单元，用边表示它们之间的相互作用，并把动力学变量定义在节点上。从传染病传播到神经同步，从电力网络到社会舆论演化，这套“节点中心”的建模方式几乎成了默认选项。

但是，在 Nature Physics 的这篇 Perspective 《Topology shapes dynamics of higher-order networks》中强调，这种成功正在显露出它的边界。真实世界中的许多关键过程，并不发生在“个体”层面，而是发生在关系本身，甚至是多体关系之中。突触信号并非单个神经元的属性，而是连接的属性；气候系统中的通量、环流与遥相关，本质上是空间区域之间的协同结构；社会与生态系统中的协作、抑制和调控，往往涉及三方甚至更多主体的共同作用。

正是在这一背景下，高阶网络（higher-order networks）逐渐从“技术细节”转向“理论核心”。而这篇文章要传达的核心思想更进一步：复杂系统中的动力学行为，并不只是发生在既定结构之上，而是由高阶结构所承载的离散拓扑塑造；当高阶相互作用、拓扑与非线性动力学耦合在一起时，拓扑将不再只是描述结构的工具，而是会参与决定系统能够呈现出怎样的动力学行为。

从“成对关系”到“多体结构”：为什么必须引入高阶网络

传统网络的一个根本假设是：所有相互作用都可以分解为成对关系。但在许多系统中，这种分解并不成立。神经元的功能往往依赖于环路与回路结构；社会传染中的“从众效应”需要至少三人的共同暴露；生态系统中，第三方物种可能会调节另外两种物种之间的竞争或共生关系。

高阶网络正是为刻画这类现象而提出的。与只描述成对相互作用的传统网络不同，高阶网络将三角形、四面体等多节点结构纳入基本表示单元，使一次相互作用可以同时涉及多个节点，从而更贴近复杂系统中真实存在的多体协作与调控关系。这样的表示不仅显著拓展了网络能够表达的结构层次，更关键的是，它改变了动力学过程所依托的结构基础，进而影响系统整体演化的方式与特征。

然而，仅仅在网络中“允许三角形或多体相互作用的存在”仍然不足以解释这些现象，真正的关键在于作者将代数拓扑中的同调理论引入对动力学的刻画之中。与关注局部连接细节不同，拓扑关心的是整体结构中是否存在环、洞或空腔等全局特征。这些由同调理论刻画的拓扑不变量（如 Betti 数），并非抽象的数学标签，而是直接决定了系统中哪些集体动力学模式能够出现、以及它们如何在结构中分布。

图 1 | 复杂系统高阶拓扑动力学的新兴领域。该领域融合了高阶相互作用、拓扑学与非线性动力学，催生了蕴含特定信息的涌现现象 —— 这些信息既能极大地改变我们对大脑、气候等复杂系统的认知，也能助力研发受物理学启发的高效新型人工智能算法。

拓扑旋量：系统状态不再只属于节点

本篇文章提出的第一个关键概念，是拓扑旋量（topological spinor）。在传统网络动力学中，系统的状态通常由一个节点变量向量来描述。但在高阶网络中，这种描述方式显得过于狭窄。

在高阶网络中，一个完整动力学状态，应该由定义在不同维度单元上的信号共同组成：节点上的信号、边上的信号、三角形上的信号，乃至更高维单元上的信号。它们共同构成一个统一的状态向量 Ψ。

为了刻画这些信号如何相互作用，文章引入了边界算子和 Hodge 拉普拉斯算子。它们不仅是数学工具，更是动力学规则的编码方式。Hodge 拉普拉斯描述了信号如何在同一维度的单元之间扩散，而边界算子则刻画了不同维度之间的关系。

一个极其重要的结果是：第 n 维 Hodge 拉普拉斯算子（Lₙ）的零模数量，等于第 n 个 Betti 数（βₙ）。换言之，网络中存在多少个 n 维“洞”，就存在多少个对应的“调和模态”。这些模态并非数学抽象，而是动力学系统中可以承载长期行为的自由方向。

图 2 | 高阶网络的动力学状态。用时间序列的方式，展示了一个高阶网络中三种不同“位置”的动力学变量：节点上的信号、边上的信号、以及三角形上的信号。它们共同组成系统的状态向量——拓扑旋量 Ψ。

当同步取决于“洞”：

高阶 Kuramoto 模型的颠覆性结论

在这一理论框架下，作者重新审视了一个经典的非线性动力学问题：同步。同步现象是非线性动力学中研究最为深入的现象之一，而 Kuramoto 模型则是描述同步转变的标准工具。

然而，情况在高阶网络中发生了根本性变化。当振子不再局限于节点，而是分布在边或更高维单元上时，同步的发生与否不再仅依赖于耦合强度。高阶拓扑 Kuramoto 模型揭示了一个出人意料的发现：n 维拓扑信号的同步，只有当网络中存在至少一个 n 维“洞”时才有可能发生。

如果相应维度的洞不存在，系统的动力学将会冻结，即使耦合强度再大，也无法形成同步态。这意味着，同步不再是一个单纯依赖“参数足够大”的普遍现象，而是受到拓扑结构“许可”的结果。

更进一步，即使同步发生，它也不会像传统的 Kuramoto 模型那样在整个系统中均匀展开。同步状态通常局限在与洞对应的调和模态上。如果系统中存在多个洞，同步态可能集中在某个洞的模态上，也可能是多个洞模态的线性组合。换句话说，同步模式本身是洞结构的直接反映。

图 3 | 拓扑 Kuramoto 模型与全局同步。拓扑信号的同步由高阶网络中 n 维洞的存在所驱动。高阶 Kuramoto 模型中一个极其反直觉的结果：同步是否发生，取决于网络中是否存在对应维度的“洞”。左图对比了“空洞”和“被填充的洞”所导致的完全不同的动力学；右图则展示了在特殊拓扑（环面）上实现的全局同步。

这一结果也带来了一个极具启发性的视角：动力学不仅被拓扑塑造，动力学本身也可以用来“探测”拓扑结构。仅通过观察同步模式，就有可能反推出网络中哪些洞是空的，哪些已经被填充。

Dirac 算子：让不同维度的信号真正耦合

尽管 Hodge 拉普拉斯为理解高阶扩散和同步提供了强有力的工具，但它主要处理的是“同一维度内部”的动力学。而在真实系统中，节点、边和面之间往往存在不可忽略的跨维耦合。

为此，文章引入了拓扑 Dirac 算子。Dirac 算子可以被理解为 Hodge 拉普拉斯的“平方根”，它允许拓扑信号在不同维度之间上下投影，从而实现真正的跨维度动力学耦合。

基于 Dirac 算子，作者展示了一系列新的动力学现象。其中最引人注目的是 Dirac 同步：一种节点与边信号共同参与的同步形式。在这种模型中，同步转变可能是爆炸式的，且序参量本身会随时间产生自发振荡。这为理解生物节律和气候系统中的周期性行为提供了新的建模思路。

Dirac 算子还使得拓扑版 Turing 图案成为可能。与传统图案形成不同，这里的空间结构不仅可以出现在节点上，也可以出现在边或更高维单元上，从而显著拓展了图案动力学能够呈现的形式。

图 4 | 拓扑狄拉克算子与拓扑狄拉克方程的性质。拓扑 Dirac 算子在真实真菌网络上的谱结构与本征态分布。节点和边被同时着色，展示了 Dirac 方程本征态如何分布在不同维度的网络单元上。

当拓扑也开始演化：

三体渗流与通向混沌的路径

高阶结构和跨维耦合已经足以显著改变系统的动力学行为，但在许多真实系统中，变化的不只是状态本身，网络结构也会在相互作用的过程中不断调整。拓扑并非总是静态的背景，而是可能随时间一起演化。

三体相互作用提供了一种刻画这种结构演化的简单机制。在这种相互作用中，一个节点可以增强或抑制另外两个节点之间的连接，从而直接参与网络结构的更新。基于这一机制，作者提出了三体渗流模型。在这一模型中，巨型连通分量不再是一个静态结果，而是成为一个随时间演化的动力学对象。

令人惊讶的是，引入三体调控后，渗流行为呈现出与传统情形截然不同的特征。序参量不再经历标准的二阶相变，而是沿着类似 logistic 映射的分岔路径演化，并在一定参数范围内进入混沌状态。原本用于描述静态相变的“相图”，在这里被一个刻画时间演化轨迹的“轨道图”所取代。这说明，当高阶相互作用使拓扑结构本身参与动力学演化时，即便是看似成熟的经典问题，也会展现出全新的非线性行为和动力学复杂性。

图 5 | 带符号三元相互作用与三元渗流的相图。三体相互作用将传统渗流过程转变为一个真正的动力系统：从稳定态到周期振荡，再到混沌时间序列。原本的“相图”，被一个类似 logistic 映射的轨道图所取代。

拓扑，正在成为动力学的因果结构

这篇 Perspective 并未试图用某一个模型去“解释一切”，而是清晰地勾勒出一个正在成形的理论范式。在这一范式中，拓扑不再只是结构层面的修饰或事后分析的工具，而是直接限定并塑造系统动力学可能性的因果结构。哪些集体行为能够出现、哪些同步模式可以存在、哪些演化路径会被禁止，已不再仅由参数大小或局部相互作用决定，而是由整体拓扑形态所许可。

高阶拓扑动力学为理解大脑、气候系统以及复杂人工系统提供了一种全新的语言。在这种语言中，动力学不只是“在网络上发生”，而是在洞、回路与高维结构所张成的空间中展开。系统的演化轨迹，本质上是在拓扑所定义的可能性空间中移动。

这也提示我们，要真正理解复杂系统的涌现行为，已经不再足够只问“谁与谁相连”。更关键的问题在于：这些连接共同形成了怎样的整体形状，而正是这些形状，在更深层次上允许或禁止了某些动力学过程的发生。

在高阶拓扑动力学中，结构不再只是舞台，拓扑本身开始决定剧情能否发生、如何展开，以及是否走向混沌。