日前，北京师范大学系统科学学院王文旭团队提出了针对二元时间序列的网络重构方法，相关论文于7月11日发表在《自然—通讯》杂志上。

对于很多复杂网络系统，如脑功能网络、传播网络和基因调控网络等，节点间的连接无法被直接探测导致代价巨大。因此，从可观测数据和时间序列信号间接重构网络，是一个非常重要的科学问题。然而，复杂网络重构是从结果反推原因，极具挑战性。

该研究创造性地将信息领域中的压缩感知理论与复杂网络理论结合，提出了针对二元时间序列的网络重构方法。研究小组利用复杂网络的天然稀疏性，将复杂网络重构问题转化为可以借助压缩感知理论解决的稀疏信号重构问题，突破了奈奎斯特采样频率的限定，极大地降低了重构网络的数据需求。

该方法具有低数据需求、高准确率、高抗噪和准确鉴别相关和因果关系等优势。在网络重构的基础上，可以进一步识别疾病和信息传播源，在疾控和舆情监督方面有重要的实际应用价值，为基于大数据预测和控制复杂系统提供了必要手段。