当科学家企图猜测某物在人群中的传达时--从冠状病毒到错误信息--他们运用杂乱的数学模型。一般，他们将研讨主题传达的开始几个过程，并运用这个速率猜测传达的规模和规模。
可是，假如病原体发作骤变，或许信息被修正，改动了传达的速度，会发作什么呢？一项新的研讨宣布在本周的“国家科学院会议记录卡内基梅隆大学的一个研讨小组初次展现了这些考虑要素的重要性。
“这些进化的改动有着巨大的影响，”CyLab的教员Osman Yagan说，他是一位电气和计算机工程的副教授，也是这项研讨的相应作者。“假如你不考虑跟着时刻的推移可能发作的改动，那么你在猜测患患者数或触摸一条信息的人的数量时就会犯错。”
大多数人都很了解疾病的盛行，可是信息自身--现在在社会化媒体上以闪电般的速度传达--可以体验到它自己的盛行，而且“病毒传达”。一条信息是否被病毒传达，取决于原始信息是怎么被修正的。
亚根说：“一些错误信息是成心的，但当许多人顺次做出小的改动，比方‘电话’游戏时，一些信息可能会有机地开展。”“一条看似无聊的信息可以演变成一条病毒Tweet，咱们应该可以猜测这些信息是怎么传达的。”
在他们的研讨中，研讨人员开展出一种数学理论，将这些进化改动考虑在内。然后，他们用计算机模仿的数千种盛行病来测验他们的理论，比方twitter来传达信息，或许用医院来传达疾病。
在流行症传达的布景下，研讨小组运用两个实在国际网络的数据进行了数千次模仿：美国一所高中的学生、教师和教职员工之间的联络网络，以及法国里昂一家医院的工作人员和患者之间的联络网络。
这些模仿充当了一个实验渠道：与模仿中观察到的状况相匹配的理论将被证明是更精确的理论。
“咱们证明了咱们的理论在实际国际的网络中有用，”该研讨的榜首作者Rashad Eletreby说，他是卡内基梅隆大学的博士生。“不考虑进化习惯的传统模型无法猜测盛行病呈现的可能性。”
尽管这项研讨并不是猜测今日的冠状病毒传达或虚伪新闻在当今动乱的政治环境中100%精确传达的灵丹妙药，但作者说，这是一个很大的前进--咱们应该实时数据来盯梢病原体的进化或信息。
