高阶相互作用：超图与单纯复形

为什么需要高阶表示

普通网络只表示两两关系，而许多生物过程涉及三个以上元素同时作用：多个亚基组成的蛋白复合物、多底物多产物的代谢反应、多个转录因子共同调控一个基因、多个脑区的协同激活、多种药物联用产生的相互作用。把这样的群体作用拆成两两边（“投影”）会丢失信息：一个三元复合物 $\{a,b,c\}$ 和三对两两结合 $\{a,b\},\{b,c\},\{a,c\}$ 投影后是同一张三角形图。Klamt 等（2009）以代谢和信号网络为例论证了超图在细胞网络建模中的必要性；Battiston 等（2020）的综述系统总结了高阶相互作用的表示方法、结构指标和动力学后果。

边界算子与霍奇拉普拉斯

给每个单纯形规定一个顶点顺序（定向）。边界算子 $B_k$ 把 $k$-单纯形映射到它的 $(k-1)$-维面上的带符号组合，例如

$$\partial[a,b,c]=[b,c]-[a,c]+[a,b],\qquad \partial[a,b]=b-a .$$

$B_1$ 是“节点 × 边”的有向关联矩阵，$B_2$ 是“边 × 三角形”矩阵，且边界的边界为零：$B_1B_2=0$。由此定义第 $k$ 阶霍奇拉普拉斯

$$L_0=B_1B_1^{\top},\qquad L_k=B_k^{\top}B_k+B_{k+1}B_{k+1}^{\top}\quad(k\ge1),$$

其中 $L_0$ 正是普通的图拉普拉斯 $D-A$。$L_k$ 的零空间维数等于第 $k$ 个贝蒂数 $\beta_k$：$\beta_0$ 是连通分支数，$\beta_1$ 是没有被三角形“填满”的独立环的数目，$\beta_2$ 是空腔数。也可以用秩计算：

$$\beta_k=\dim\ker B_k-\operatorname{rank}B_{k+1}=n_k-\operatorname{rank}B_k-\operatorname{rank}B_{k+1}.$$

算例：空心三角形与实心三角形

三个节点 $0,1,2$ 和三条边 $[0,1],[0,2],[1,2]$：

$$B_1=\begin{pmatrix}-1&-1&0\\ 1&0&-1\\ 0&1&1\end{pmatrix},\quad \operatorname{rank}B_1=2 .$$

• 空心三角形（没有 2-单纯形）：$\beta_0=3-2=1$，$\beta_1=3-2-0=1$——有一个一维“洞”。
• 实心三角形（加入 $[0,1,2]$）：$B_2=(1,-1,1)^{\top}$，秩为 1，$\beta_1=3-2-1=0$——洞被填上。

验证欧拉示性数：$\chi=n_0-n_1+n_2=\beta_0-\beta_1+\beta_2$，空心时 $3-3+0=1-1$，实心时 $3-3+1=1-0$。这两种结构在两两网络中完全相同，区别只在于“三人是两两认识，还是同属一个群体”。代码示例用矩阵秩和 $L_1$ 的零空间验证了这个算例。

高阶相互作用的动力学后果

高阶表示的意义不只是描述得更准确，而是动力学行为会发生质变：

• 传播：Iacopini 等（2019）提出单纯复形上的传染模型——节点除了经由边被感染，还可以在一个 2-单纯形的另外两个节点都已感染时以额外概率被感染。当三体感染率足够大时，流行病转变从连续变为不连续（爆发式），并出现双稳态：初始感染比例不同，最终状态不同。这对应社会行为传播中“需要多个接触者同时强化”的复杂传染（见网络上的传播与免疫）。
• 同步：Skardal 与 Arenas（2019）在含三体耦合的振子系统中发现突然的去同步和大量多稳态（见同步与协同动力学）。
• 扩散与共识：在单纯复形上，信号不仅能沿节点扩散，也能沿边、沿三角形扩散，由相应阶的霍奇拉普拉斯刻画，可用于分析边上的流（如通量、信息流）。

高阶结构的统计检验与零模型

与普通网络一样，“存在高阶结构”的结论需要零模型：常用的是保持节点超度和超边大小分布的随机超图（超边端点重连），或保持两两投影不变、随机化三元组的模型。Benson、Gleich 与 Leskovec（2016）提出的基于基序的谱聚类则是另一条路线：先统计某种小子图（如三角形、双扇形）的共同参与次数，构造“基序邻接矩阵”，再做聚类，把“哪些节点一起参与高阶模式”作为社团的定义。