复杂性科学中心（CSH）最新研究从物理学角度解释了经济复杂性测量工具为何能够给出可信的国家排名，并指出相关方法除国际贸易研究外，还可用于生态学、社会科学以及智能代理人工智能等领域。论文已发表于《物理评论E》。

长期以来，研究者常用“经济复杂性”相关算法来讨论国家产业升级与出口多元化等问题。这类方法不依赖大量宏观指标，而是基于一个相对简化的思路：通过一国出口产品的复杂程度来衡量其潜在生产能力，出口更复杂产品的国家在排名中通常更靠前。尽管这些排名在实践中被广泛采用，其背后的理论机制此前并未被充分厘清。

该研究由阿莱桑德罗·贝利纳（Centro Ricerche Enrico Fermi、索尼计算机科学实验室罗马分部、罗马大学萨皮恩扎）、保罗·布塔（罗马大学萨皮恩扎）以及CSH教员维托·D·P·塞尔维迪奥共同领导。研究团队将经济复杂性算法重新表述为物理系统中的优化过程，认为其排名结果可对应于系统寻找最低能量状态的原理。

在方法层面，经济复杂性研究领域常用两类算法：经济复杂性指数（ECI）与经济适应度与复杂性算法（EFC）。两者均通过迭代计算逐步收敛得到排名，但此前尚缺乏对“是否总能得到唯一且稳定解”的形式化证明。塞尔维迪奥指出，如果同一数据可能导出多种解，研究人员或政策制定者可能会得到相互矛盾的结论。

研究重点解决了数学上更具挑战性的非线性适应度算法（EFC）的不确定性。团队将其改写为优化问题后证明，该系统具有严格凸性，意味着结果会收敛到同一最低点，类似“球在形状完美的碗中滚动，最终必然停在同一处最低点”。

从物理框架出发，研究还给出了对两种算法差异的解释：ECI可类比为由弹簧连接的谐振系统，倾向于拉近相似经济体并最小化节点差异；EFC则引入类似“排斥”的效应，更强调贸易网络中的差异与结构约束。研究团队进一步以“单条贸易联系的能量”来刻画网络结构，并将该框架应用于联合国COMTRADE数据，称由此可以更直观地识别贸易网络中承受压力的区域。

研究认为，高能量联系可被视为全球贸易网络中的脆弱点，可能成为冲击传导或导致网络失稳的关键节点。塞尔维迪奥表示，这一视角使研究者能够“直观地看到贸易网络中的压力”。

除概念层面的解释外，将算法表述为能量最小化问题也带来计算上的潜在收益：计算可沿底层能量景观直接推进，而不必完全依赖迭代过程，从而提升效率。研究指出，在小规模国家样本中差异可能不明显，但在更大规模系统中更为重要。

研究团队同时提到，尽管这些方法最初为国际贸易网络开发，但也可迁移至其他复杂网络场景，例如技术生态系统、基础设施网络或特定经济网络分析，用于诊断脆弱性并理解扰动在网络中的传播。此外，团队还观察到该框架与人工智能研究中讨论的智能代理优化方法存在相似之处。

塞尔维迪奥表示，这项工作并不旨在改变政策制定者的决策方式，但可增强使用者对工具可靠性的信心，即这些算法不会产生不切实际的结果。