报告二
报告人：胡延庆
教授简介：胡延庆，中山大学副教授，研究生导师（博士生、硕士生）中山大学百人计划引进者。2011年毕业于北京师范大学系统科学学院，获得系统理论方向理学博士学位，并获得北京市优秀博士论文奖；2011-2015年西南交通大学数学学院任教。2011-2013年纽约城市大学Levich Institute访问学者，博士后。瑞士弗莱堡大学、以色列BarIlan大学、美国波士顿大学访问学者。
近几年主要从事数学、物理学和信息科学交叉性学科方面的研究,主要利用渗流理论研究社交网络上的信息传播、基础设施网路的级联失效、NP问题的解空间结构和大脑网络的结构特征，并取得了一系列具有一定影响力的研究成果。在Nature Physics, Phys. Rev. Lett., Phys. Rev. X, Phys. Rev. E，PNAS等国际顶级和主流权威期刊上发表SCI检索论文近40余篇。
报告题目：Local Determines Global: Identification and Quantification of
Influential Spreaders in Large Scale Social Networks
（局部决定整体---识别和量化大规模社交网络中的超级传播者）
内容摘要：衡量和优化含有大数据量的在线社交网络的传播影响力对于设计高效的病毒管控策略显得尤为重要。由于社交网络上病毒的传播是全局性的，通常我们认为，衡量节点的影响力及优化病毒传播需要知道整个网络结构。然而，如果将传播过程映射为统计物理学中边上的渗流问题，我们发现，在许多随机传播事件中，信息传播仅在两个彼此严格分离的阶段发生：要么是带有少量影响力节点的局部传播；要么是相对初始传播者而言，是固定尺寸子网络上的全局性传播，我们可以基于被感染节点的尺寸规模这一少量信息来严格区分这两个阶段。因此，衡量任意节点对整个网络的全局影响力时，并不需要事先知道全局网络的结构信息，而是依据它感染网络中其他节点的多少这一局部特征来精确测量。这种思想促使我们设计了一个关于如何选择最优初始传播者的高效算法，其时间复杂度为常数，与网络尺寸无关，这种算法得出的结果非常接近于真实的最优值。值得指出的是，此处所涉及到的理论及其算法也适用于其他大规模的传播问题，如世界范围内的流行病控制等。
