近日，中国电信首席科学家、云计算研究院院长吴杰教授在复杂网络结构及其在计算机科学中的应用研究领域取得重要成果。由吴杰教授独立完成的论文《Uncovering Several Useful Structures of Complex Networks in Computer Science Applications》成功入选《Journal of Computer Science and Technology（JCST）》创刊40周年专刊，彰显了中国电信在国际计算机系统与网络领域的前沿创新力。该论文系统凝练了吴杰教授35年来在相关领域的研究积累，具有重要的理论价值和应用指导意义。

图1：时变图(time-evolving graph)到传统图的转换

图论的故事始于18世纪，那时著名数学家欧拉为了解决柯尼斯堡七桥问题，首次提出了这种思想。自那以后，图论像一颗种子一样生根发芽，逐渐扩展到各个领域，从错综复杂的生物网络到四通八达的交通运输系统，都能看到它的身影。该论文聚焦于复杂网络在计算机系统与网中的建模与结构分析，针对网络动态变化、分布式特性等实际需求，系统总结并提出了三种有效挖掘有用网络结构的方法：

结构修剪：通过有针对性地删除冗余节点和连接，保留网络的全局关键属性，降低信息传播和网络搜索的复杂度，为分布式系统高效运行提供理论基础。

结构分层：通过为节点分配层级，揭示网络中的隐含层次关系，便于实现高效的分布式通信、路由和资源调度，尤其适用于动态网络和区块链等应用场景。

结构重映射：通过将网络从一种表示或空间映射到另一种，更好地规避传统算法中的局部最优陷阱，实现复杂环境下的高效路由和数据传输。

图2：共形映射

论文探讨了超图（hypergraph）及其在复杂网络建模中的重要作用。在许多实际应用中，节点之间的联系不仅仅是成对出现，而是可以由多个节点共同参与某一互动，形成“超边”。论文介绍了包括超图、时变图等多种表示方式，并指出这些结构对于理解多节点群体之间的复杂关系、支持超图学习（hypergraph learning）和超图神经网络（HGNNs）等新型人工智能方法具有重要意义。

论文还探讨了分布式与局部化标记(labeling)和编码(coding)方法在网络结构发现与表达中的应用，指出这些方法与图神经网络（GNN）在信息传递（message passing）方面有异曲同工之妙，但更加轻量、适用于特定结构和实际应用场景。针对动态和移动环境下的结构建模和自组织，论文提出了若干具有前瞻性的挑战与研究方向，为后续学术与工程实践奠定了坚实基础。

作为中国计算机科学技术领域的高水平国际期刊，JCST由中国科学院计算技术研究所与中国计算机学会联合主办，以严谨的评审和前沿的议题著称，被SCIE、EI、Scopus等多个国际知名数据库收录，在系统与网络领域具有广泛影响。本次论文入选JCST创刊40周年专刊，彰显了中国电信云计算研究院在复杂网络结构建模、分布式算法与智能网络基础设施等交叉领域的创新引领力。