时间序列分析已被证明是描述生物学、神经科学和经济学中的几种现象并了解其潜在动力学特征的有力方法。目前已经提出了几种分析多变量时间序列的方法，但大多数方法都忽略了非成对相互作用对新兴动力学的影响。鉴于此，来自瑞士洛桑理工学院的Enrico Amico等人提出了一个框架来描述多变量时间序列中高阶相关性的时间演化。

文章要点：

1) 该研究利用网络分析和拓扑结构，成功证实该框架能够稳定地区分耦合混沌映射的各种时空状态，这包括混沌动力学阶段和各种类型的同步；

2) 因此，使用模拟动力学过程中的高阶共同波动模式作为指导，研究量化了大脑功能活动、金融市场和流行病数据中高阶模式的特征，该方法揭示了多变量时间序列的高阶组织，从而允许更好地描述真实世界数据固有的动态组相关性。

参考资料：

Santoro, A., Battiston, F., Petri, G. et al. Higher-order organization of multivariate time series. Nat. Phys. (2023).

DOI: 10.1038/s41567-022-01852-0

https://doi.org/10.1038/s41567-022-01852-0