作者：StephenOrnes-8-19译者：zzllrr小乐-8-20
研究人员正在转向高阶相互作用的数学，以更好地模拟数据中的复杂连接。
图论是不足够的。
讨论连接的数学语言通常取决于网络——顶点（点）和边（连接它们的线）——至少自18世纪以来一直是模拟现实世界现象的宝贵方法。但几十年前，巨大数据集的出现迫使研究人员扩展他们的工具箱，同时也为他们提供了广阔的沙盒，可以在其中应用新的数学见解。科罗拉多大学博尔德分校的计算机科学家JoshGrochow说，从那时起，随着研究人员开发了新型网络模型，可以在大数据的噪声中找到复杂的结构和信号，经历了一个令人兴奋的快速增长时期。
Grochow是越来越多的研究人员之一，他们指出在大数据中寻找联系时，图论有其局限性。图将每一种关系表示为二元组或成对的交互。然而，许多复杂的系统不能单独用二元连接来表示。该领域的最新进展显示了如何向前发展。
考虑尝试建立一个育儿网络模型。显然，每个父母都与孩子有联系，但养育关系不仅仅是这两个联系的总和，因为图论可能会对其进行建模。尝试模拟同行压力等现象也是如此。
“有很多直观的模型。德国亚琛工业大学（RWTHAachenUniversity）的LeonieNeuhuser说，只有当你的数据中已经有群体时，才能捕捉到同行压力对社会动态的影响。但是二元网络不能捕捉群体影响。
数学家和计算机科学家使用术语“高阶相互作用”（higher-orderinteractions）来描述这些复杂的方式，即群体动力学而不是二元联系可以影响个体行为。从量子力学中的纠缠相互作用到疾病在人群中传播的轨迹，这些数学现象无处不在。例如，如果药理学家想要模拟药物相互作用，图论可能会显示两种药物如何相互反应——但三种药物呢？或四个呢？
虽然探索这些相互作用的工具并不新鲜，但直到最近几年，高维数据集才成为探索的引擎，为数学家和网络理论家提供了新的思路。这些努力已经产生了关于图的限制和扩展的可能性的有趣结果。
“现在我们知道网络只是事物的影子，”Grochow说。如果数据集具有复杂的底层结构，那么将其建模为图形可能只能揭示整个故事的有限投影。
太平洋西北国家实验室的EmiliePurvine对超图等工具在绘制数据点之间更微妙的联系方面的强大功能感到兴奋。太平洋西北国家实验室的数学家EmiliePurvine说：“我们已经意识到，我们用来研究事物的数据结构，从数学的角度来看，并不完全符合我们在数据中看到的情况。”
这就是为什么数学家、计算机科学家和其他研究人员越来越