当科学家试图预测某物在人群中的传播时，从冠状病毒到错误信息，他们都使用复杂的数学模型来预测。通常，他们将研究对象传播的前几个步骤，并使用该比率来预测传播的范围。

但是，如果病原体发生突变或信息被修改，从而改变其传播速度，会发生什么?卡内基梅隆大学的一组研究人员首次在本周的《美国国家科学院院刊》(PNAS)发表的一项新研究中表明了这些考虑的重要性。

CyLab教授电气与计算机工程(ECE)的副研究员，该研究的相应作者，CyLab教授Osman Yagan说：“这些进化的变化具有巨大的影响。”“如果不考虑随着时间的推移可能发生的变化，那么预测生病的人数或接触某条信息的人数将是错误的。”

大多数人都熟悉疾病的流行病，但是信息本身(如今以迅雷不及掩耳之势通过社交媒体传播)会经历自身的流行和“病毒式传播”。一条信息是否具有病毒性可能取决于原始消息的调整方式。

Yagan说：“有些错误的信息是故意的，但是当许多人依次进行一些小的更改(例如“电话”游戏)时，某些错误的信息可能会自然发展。“看似无聊的信息可能演变成病毒式推文，我们需要能够预测这些事情如何传播。”

在他们的研究中，研究人员开发了一种数学理论，将这些进化变化纳入考虑。然后，他们针对真实世界网络中成千上万个计算机模拟的流行病，例如Twitter的信息传播或医院的疾病传播，测试了他们的理论。

在传染病传播的背景下，该团队使用来自两个真实世界网络的数据运行了数千个模拟：美国高中学生，教师和教职员工之间的联系网络，以及美国高中学生，教师和患者之间的联系网络。法国里昂的医院。

这些模拟充当了测试平台：与模拟中观察到的理论相匹配的理论将被证明是更为准确的一种。

该研究的第一作者，卡内基·梅隆(Carnegie Mellon)博士Rashad Eletreby说：“我们证明了我们的理论适用于现实世界的网络。”学生写论文时。“不考虑进化适应性的传统模型无法预测流行病的发生概率。”