【锚点】这一篇只讲一个反直觉结论：在异质度网络上，传染病是否爆发不只看平均接触数 ⟨k⟩，而是看【二阶矩 ⟨k²⟩】；当度分布呈幂律且 γ≤3 时，SIS 阈值会趋向 0。

【显式】经典 SIS 模型里，感染节点沿每条边以速率 λ 感染邻居。若网络是随机图，度分布近似泊松，均度 c=4，则 ⟨k²⟩=c²+c=20，阈值 λ_c=⟨k⟩/(⟨k²⟩-⟨k⟩)=4/16=0.25。这意味着 λ<0.25 时疫情会死，λ>0.25 时可能持续。

【隐式】关键不是『平均有几个邻居』，而是『感染者更可能连到谁』。从感染节点出发，沿一条边到达的邻居的度分布被 k p_k 加权，期望度为 ⟨k²⟩/⟨k⟩。这就是为什么再生数里出现 ⟨k²⟩/⟨k⟩：高枢纽把传播放大。

【细微】对幂律 P(k)∝k^{{-γ}，⟨k²⟩ 在 γ≤3 时发散。Pastor-Satorras 与 Vespignani 的配置模型给出 λ_c=⟨k⟩/(⟨k²⟩-⟨k⟩)，因此 γ=3 的无限网络中 λ_c→0：任何正 λ 都可能有持续流行。}

【极难发现】但【阈值坍缩】不是工程承诺，而是极限行为。有限网络有截断 k_max。若 γ=3、k_max≈103，连续近似给出 ⟨k⟩≈2，⟨k²⟩≈2ln(10^{3)≈13.8，λ_c≈2/(13.8-2)≈0.17，仍大于 0。若 γ=2.5、k_max≈10}3，λ_c 可降到 0.03 量级。

【流程节点链路：随机接触 → 感染者的邻居度被 k p_k 加权 → ⟨k²⟩/⟨k⟩ 放大再生数 → λ_c 随 ⟨k²⟩ 增大而下降】

【结论】度分布的尾部比平均度更能决定传播命运。【待验证】如果现实接触网络同时具有局部聚类与有限枢纽截断，λ_c 到底更接近随机图的 0.25，还是更接近无标度极限的 0？