图一. AIP Scilight对计算传播学实验中心成员尚可可和西澳大学Winthrop教授Michael Small的采访报道（https://doi.org/10.1063/10.0001196）
论文的主要合作者，澳大利亚数学学会会士、西澳大利亚大学的Winthrop教授Michael Small表示 "论文的结果表明，我们提出的进化规则在创建模仿病毒遗传结构的网络方面做得很好，特别是模仿COVID-19病毒基因演化网络的已知公共数据"。
图二. COVID-19病毒基因演化网络和增长模型对比
该模型的原理源自于实际生活，即新团体的崛起会打破已有的资源分配格局，从而产生"新贵"，论文的初衷是对传播结构网络、社交网和经济网络的社团演化提供一个适配模型。然而，研究团队最终意外发现该模型还能够较好适配新冠状病毒基因的演化网络，这恰好体现出了交叉学科精妙之处。
该工作以"Growing networks with communities: A distributive link model"为题发表在应用数学与统计物理交叉性著名期刊Chaos30, 041101 (2020);https://doi.org/10.1063/5.0007422 上，并被同时选为Fast Track、Featured和Scilight文章。南京大学新闻传播学院计算传播学实验中心助理研究员尚可可为第一作者兼通讯作者，博士生杨宾为第二作者，西澳大利亚大学Winthrop教授Michael Small为共同通讯作者，硕士生季谦为第四作者。此研究得到了国家自然科学基金青年项目（61803047）、国家社科基金重大项目（19ZDA324）和澳大利亚研究理事会ARC 发现计划（DP180100718）的支持。
