Fake social-media accounts are harder to detect than ever before. #Election2020

https://t.co/ViIX68V4YQ

⌚️ https://www.nature.com/articles/s41591-020-1123-x

I co-edit a special issue with Claudio Mirasso in journal "Biology". I will be grateful if you distribute call for papers for this special issue "Information Processing in Neuronal Circuits and Systems".

Alireza Valizadeh
Associate professor at institute for advanced studies in basic sciences
#brain #neuroscience

https://www.mdpi.com/journal/biology/special_issues/neuronalcircuits

Secrets behind 'Game of Thrones' unveiled by data science and network theory

https://t.co/Z72H9L4wud

The Department of Network & Data Science of Central European University announces 5 fully funded #PhD scholarships. Application deadline is February 28 2021. Successful applicants will start in Vienna in September 2021. More info on the PhD program at:

https://networkdatascience.ceu.edu/phd-program-network-science

“The Hitchhiker's Guide to #CondensedMatter and #StatisticalPhysics” is a series of virtual events that will provide a roadmap of current research directions in the field.

🔹 Register to the first virtual school on #MachineLearning for CM by November 30: https://t.co/WvX1sbYFwE

🧑🏻‍🏫 #Renormalization w1.p3 Shannon Entropy

«مقدمه‌ای بر بازبهنجارش»
هفته اول: مقدمه
قسمت سوم: آنتروپی شانون

یک تصویر جِی‌پِگ چه ربطی به اقتصاد یا گرانش کوانتومی دارد؟ برای پاسخ به این پرسش باید به این نکته توجه کنیم که هر سه این‌ها در مورد این هستند که چه می‌شود وقتی توصیف‌هایمان از دنیا را ساده‌سازی کنیم!؟ جِی‌پِگ با دور ریختن ساختار ریز، یک تصویر را به نحوی فشرده می‌کند که با یک نگاه گذرا جزئیات دور ریخته شده قابل شناسایی نباشد. اقتصاددانان هم با چشم‌پوشی از جزئیات روان‌شناسی هر فرد، در مورد رفتار انسان‌ها نظریه‌پردازی می‌کنند. در این میان، یادآوری کنیم که حتی سطح‌بالاترین آزمایش‌های ما در فیزیک نمی‌توانند به ما بنیادی‌ترین عناصر سازنده ماده را نشان دهند و نظریه‌هایمان برای تطابق با آزمایش‌ها ناگزیر به این هستند که برخی از جزئیات در مقیاس‌های بسیار ریز را محو کنند.
ایده بازبهنجارش در مورد همین چیزها است؛ مطالعه نظریه‌ها هنگامی که از مقیاسی به مقیاس دیگر می‌روند.

🎞 ویدیو در صفحه اینستاگرام سیتپور

🔗 اطلاعات بیشتر:
sitpor.org/2019/08/renorm-week1-intro

~~~~~~
@sitpor
‌instagram.com/sitpor_media
~~~~~~~

Erdös published more than 1,500 papers and did mathematics 19 hours a day, even at 83 - "The 1st sign of senility is when a man forgets his theorems. The 2ns sign is when he forgets to zip up. The 3rd sign is when he forgets to zip down" https://t.co/gsG231pINM

The program of COMPLEX NETWORKS 2020 is out
https://t.co/9vcttX6NNA

Register at
https://t.co/9XK8ms8LDl

See you online https://t.co/EjJYwJyTmZ

💰 Looking for #PhD student to work on i) cognitive modelling of social systems, ii) wisdom of crowds, and/or iii) social influence. Ideal candidate has experience w programming (group) experiments, cognitive modeling and excellent stats skills. https://t.co/ePZ7YUk3zm

انتشار باکتری در حضور آنتی بیوتیک و جهش آن.

🧑🏻‍🏫 #Renormalization w2.p1 Markov Chains

«مقدمه‌ای بر بازبهنجارش»
هفته دوم: زنجیره‌های مارکوف
قسمت اول: سری‌های زمانی و زنجیره‌های مارکوف

در این قست به سراغ زنجیره‌های مارکوف می‌روم و در مورد درشت‌دانه‌بندی کردن سری‌های زمانی صحبت خواهم کرد. به فضای مدل‌ها و تغییرات پارامترها پس از بازبهنجارش خواهم پرداخت و به نقاط ثابت، کاهش ابعاد فضا و تغییر کلاس‌ها اشاره خواهم کرد.

🎞 ویدیو در صفحه اینستاگرام سیتپور

🔗 اطلاعات بیشتر:
sitpor.org/2019/09/renorm-week2-mc/

~~~~~~
@sitpor
‌instagram.com/sitpor_media
~~~~~~~

آنیون‌ها و آمار کوانتومی در ۲-بعد

در این نوشته در مورد معنی ذره در فیزیک صحبت می‌کنیم و به سراغ خواص آماری ذرات کوانتومی میریم. به این موضوع اشاره می‌کنیم که در ۲-بعد نه تنها ذرات کوانتومی فقط شامل فرمیون‌ها و بوزون‌ها نیستند بلکه آمار خیلی غنی‌تری هم اونجا وجود داره!

بیشتر بخوانید:
🔗 sitpor.org/1399/08/anyons-2d-qstat-phys/

~~~~~~
@sitpor
‌instagram.com/sitpor_media
~~~~~~~

🧑🏻‍🏫 #Renormalization w2.p2 Math of Markov Chains

«مقدمه‌ای بر بازبهنجارش»
هفته دوم: زنجیره‌های مارکوف
قسمت دوم: ریاضیات زنجیره‌های مارکوف

در این قست به سراغ زنجیره‌های مارکوف می‌روم و در مورد درشت‌دانه‌بندی کردن سری‌های زمانی صحبت خواهم کرد. به فضای مدل‌ها و تغییرات پارامترها پس از بازبهنجارش خواهم پرداخت و به نقاط ثابت، کاهش ابعاد فضا و تغییر کلاس‌ها اشاره خواهم کرد.

🎞 ویدیو در صفحه اینستاگرام سیتپور

🔗 اطلاعات بیشتر:
sitpor.org/2019/09/renorm-week2-mc/

~~~~~~
@sitpor
‌instagram.com/sitpor_media
~~~~~~~

💡 Say we develop a safe, effective #COVID19 vaccine. Then what?
https://t.co/shRMIggkdU

💰 Fellowship in data science, machine learning, computational social science awarding KRW150M/year here (1 opening): https://t.co/UGhM5Tw2jJ #IBS #Scientist

🔖 Statistical physics of complex information dynamics

Arsham Ghavasieh, Carlo Nicolini, and Manlio De Domenico
Phys. Rev. E 102, 052304

Abstract
The constituents of a complex system exchange information to function properly. Their signaling dynamics often leads to the appearance of emergent phenomena, such as phase transitions and collective behaviors. While information exchange has been widely modeled by means of distinct spreading processes—such as continuous-time diffusion, random walks, synchronization and consensus—on top of complex networks, a unified and physically grounded framework to study information dynamics and gain insights about the macroscopic effects of microscopic interactions is still eluding us. In this paper, we present this framework in terms of a statistical field theory of information dynamics, unifying a range of dynamical processes governing the evolution of information on top of static or time-varying structures. We show that information operators form a meaningful statistical ensemble and their superposition defines a density matrix that can be used for the analysis of complex dynamics. As a direct application, we show that the von Neumann entropy of the ensemble can be a measure of the functional diversity of complex systems, defined in terms of the functional differentiation of higher-order interactions among their components. Our results suggest that modularity and hierarchy, two key features of empirical complex systems—from the human brain to social and urban networks—play a key role to guarantee functional diversity and, consequently, are favored.

🎞 Dirk Brockmann gave the keynote lecture on "A network perspective on the COVID-19 pandemic".

https://youtu.be/0XBIldY8agA?list=PLX5MLZUBu5RXLhBvhWBRc5ZxjXIYAnWJu

💡💉 چه کسانی‌ را ابتدا باید واکسینه کرد؟
https://www.wired.com/story/covid-19-vaccine-super-spreaders/