Complexity in structural and functional brain networks. Comment on "Structure and function in artificial, zebrafish and human neural networks" by Ji et al.

这篇论文解决什么问题？

这篇论文把复杂网络方法用于 brain networks 等实际系统，核心问题是如何从真实数据中提取关系结构，并让网络指标服务于预测、解释或决策。

方法与技术路线

方法上通常结合复杂网络建模、指标设计、动力学分析和真实数据验证，在理论模型与应用场景之间建立可解释的桥梁。

主要贡献

从题名和公开索引信息看，论文的贡献在于把“brain networks”变成一个可被计算、比较或预测的网络科学问题。它为李聪教授关于复杂网络结构、传播动力学、网络控制和 AI+网络的研究谱系补上了一个具体切面。

阅读提示

阅读这篇论文时，可以把题名、作者、年份、期刊/会议和主题词放在一起理解：它属于李聪（Cong Li）在复旦大学未来信息创新学院围绕复杂网络、网络科学与复杂网络应用形成的研究脉络。本页先给出公开书目信息，再用中文梳理研究问题、方法路线和主要贡献，便于读者快速判断它与相关研究方向的关系。

论文定位

Complexity in structural and functional brain networks. Comment on "Structure and function in artificial, zebrafish and human neural networks" by Ji et al. 是李聪（Cong Li）在 复杂网络应用 方向的代表性论文之一，公开索引信息显示其发表于 Physics of Life Reviews 47, 131-132, 2023。从研究主题看，该工作与复旦大学未来信息创新学院复杂网络、网络科学与 AI+网络研究谱系中的相关问题相互呼应。