目前摘自电子科技大学主页新闻，后期出现Vol. Page.后我再做详细点儿的介绍。

新闻链接：http://www.news.uestc.edu.cn/?n=UestcNews.Front.Document.ArticlePage&Id=55095

近日，电子科技大学基础与前沿研究院张翼成教授团队应邀在国际公认的物理学界顶尖期刊《Physics Reports》发表综述性论文“Vital Nodes Identification in Complex Networks”。张翼成为通讯作者，基础与前沿研究院协议教授吕琳媛为论文第一作者，大数据研究中心周涛教授为论文联合通讯作者，基础与前沿研究院和大数据研究中心为该论文共同第一单位。大数据研究中心陈端兵副教授和张千明博士为论文合作作者。

　　关键节点识别是网络科学领域的研究重点和热点。由于真实网络的异质性，节点在网络结构和功能上发挥的作用差异巨大。关键节点就是那些能够在更大程度上影响网络的结构与功能的一些特殊节点。准确发掘出网络中的关键节点，可以帮助我们更好地控制信息的传播、抑制疫情的爆发、精准投放商品广告、预测热门研究成果、发现重要致病基因等等。关键节点识别问题吸引了计算机科学、物理学、社会学等领域科学家越来越多的关注，相关算法包含了从简单地计算最近邻居数，到复杂的机器学习方法和基于信息传播理论的复杂算法。本文系统地综述了关键节点排序方法，并用真实网络数据做实验，比较了主流算法的优劣。

《Physics Reports》是国际物理科学和交叉科学类最具影响力的国际期刊之一，专门发表该领域各研究方向全球知名专家撰写的综述性论文，对相关领域的发展具有非常重要的引领和指导作用。该期刊最近一年的影响因子为16.240，最近五年的平均影响因子为22.124。《Physics Reports》不接受自由投稿，全部由杂志编辑邀约在相关领域做出突出贡献的研究课题组撰稿。一般来说，该刊物每期只发表一篇论文，单独成册，一年共发表48篇论文。

　　张翼成教授团队长期从事信息物理学的研究，应用统计物理的理论和方法解决了信息领域的一些重要问题，主要包括信息的排序、预测和推荐。自2010年起，该团队以电子科技大学名义在国际顶尖期刊和权威期刊发表了多篇信息物理学研究论文，包括两篇《PNAS》，一篇《Nature Communications》，两篇《Physics Reports》。团队共有7篇研究论文入选ESI全球Top-1％高引用论文。

论文链接：

Linyuan Lü, Duanbing Chen, Xiao-Long Ren, Qian-Ming Zhang, Yi-Cheng Zhang, and Tao Zhou, Vital Nodes Identification in Complex Networks. Physics Reports. 2016.

Online: http://www.sciencedirect.com/science/article/pii/S0370157316301570