In this brief, by considering realistic network operational settings, we propose a novel model to investigate the cascading failures in interdependent power grids and communication networks. We perform a critical node analysis on single networks to identify the vital nodes from the perspective of network robustness. Moreover, we assess the robustness of an interdependent system composed of an Internet AS-level network and the IEEE 118 Bus. Our simulation results show that assortative coupling of node destructiveness is more robust for densely coupled networks, whereas disassortative coupling of node robustness and node destructiveness performs better for sparsely coupled cases.

In this brief, we conduct a complex-network analysis of the Bitcoin transaction network. In particular, we design a new sampling method, namely random walk with flying-back (RWFB), to conduct effective data sampling. We then conduct a comprehensive analysis of the Bitcoin network in terms of the degree distribution, clustering coefficient, the shortest-path length, connected component, centrality, assortativity, and the rich-club coefficient. We obtain several important observations including the small-world phenomenon, multi-center status, preferential attachment, and non-rich-club effect of the current network. This work brings up an in-depth understanding of the current Bitcoin blockchain network and offers implications for future directions in malicious activity and fraud detection in cryptocurrency blockchain networks.

Designing and synthesizing multifunctional hybrid copper halides with near ultraviolet (NUV) light‐excited high‐energy emission (< 500 nm) remains challenging. Here, a pair of broadband‐excited high‐energy emitting isomers, namely, α‐/β‐(MePh3P)2CuI3 (MePh3P = methyltriphenylphosphonium), were synthesized. α‐(MePh3P)2CuI3 with blue emission peaking at 475 nm is firstly discovered wherein its structure contains regular [CuI3]2‒ triangles and crystallizes in centrosymmetric space group P21/c. While β‐(MePh3P)2CuI3 featuring distorted [CuI3]2‒ planar triangles shows inversion symmetry breaking and crystallizes in the noncentrosymmetric space group P21, which exhibits cyan emission peaking at 495 nm with prominent near‐unity photoluminescence quantum yield and the excitation band ranging from 200 to 450 nm. Intriguingly, β‐(MePh3P)2CuI3 exhibits phase‐matchable second‐harmonic generation response of 0.54 × KDP and a suitable birefringence of 0.06@1064 nm. Furthermore, β‐(MePh3P)2CuI3 also can be excited by X‐ray radioluminescence with a high scintillation light yield of 16193 photon/MeV and an ultra‐low detection limit of 47.97 nGy/s, which is only 0.87% of the standard medical diagnosis (5.5 μGy/s). This work not only promotes the development of solid‐state lighting, laser frequency conversion and X‐ray imaging, but also provides a reference for constructing multifunctional hybrid metal halides.

Abstract A highly transmissible SARS-CoV-2 variant JN.1 is rapidly spreading throughout the nation, becoming the predominant strain in China and worldwide. However, the current immunity against the circulating JN.1 at population level has yet to be fully evaluated. We recruited representative cohorts with stratified age groups and diverse combinations of vaccination and/or infection in recent months, and promptly assessed humoral immunity for these subjects predominantly exhibiting hybrid immunity. We report that at 11 months following BA.5-wave breakthrough infection (BTI), these vaccinated individuals generally showed above-the-threshold yet low level of neutralizing activity against JN.1, with slightly greater potency observed in children and adolescents compared to adults and seniors. Meanwhile, XBB/EG.5-wave reinfection post-BTI significantly boosted the neutralizing antibodies against Omicron variants, including JN.1 in both adults (13.4-fold increase) and seniors (24.9-fold increase). To better understand respiratory mucosal protection against JN.1 over an extended period of months post-BTI, we profiled the humoral immunity in bronchoalveolar lavage samples obtained from vaccinated subjects with or without BTI, and revealed increased potency of neutralizing activity against the BA.5 and JN.1 variants in the respiratory mucosa through natural infection. Notably, at 11 months post-BTI, memory B cell responses against prototype and JN.1 were detectable in both blood and respiratory mucosa, displaying distinct memory features in the circulation and airway compartments. XBB/EG.5-wave reinfection drove the expansion of JN.1-specific B cells, along with the back-boosting of B cells responding to the ancestral viral strain, suggesting the involvement of immune imprinting. Together, this study indicates heterogeneous hybrid immunity over 11 months post-BTI, and underscores the vulnerability of individuals, particularly high-risk seniors, to JN.1 breakthrough infection. An additional booster with XBB-containing vaccine may greatly alleviate the onward transmission of immune-evasive SARS-CoV-2 variants.

Designing and synthesizing multifunctional hybrid copper halides with near ultraviolet (NUV) light‐excited high‐energy emission (< 500 nm) remains challenging. Here, a pair of broadband‐excited high‐energy emitting isomers, namely, α‐/β‐(MePh3P)2CuI3 (MePh3P = methyltriphenylphosphonium), were synthesized. α‐(MePh3P)2CuI3 with blue emission peaking at 475 nm is firstly discovered wherein its structure contains regular [CuI3]2‒ triangles and crystallizes in centrosymmetric space group P21/c. While β‐(MePh3P)2CuI3 featuring distorted [CuI3]2‒ planar triangles shows inversion symmetry breaking and crystallizes in the noncentrosymmetric space group P21, which exhibits cyan emission peaking at 495 nm with prominent near‐unity photoluminescence quantum yield and the excitation band ranging from 200 to 450 nm. Intriguingly, β‐(MePh3P)2CuI3 exhibits phase‐matchable second‐harmonic generation response of 0.54 × KDP and a suitable birefringence of 0.06@1064 nm. Furthermore, β‐(MePh3P)2CuI3 also can be excited by X‐ray radioluminescence with a high scintillation light yield of 16193 photon/MeV and an ultra‐low detection limit of 47.97 nGy/s, which is only 0.87% of the standard medical diagnosis (5.5 μGy/s). This work not only promotes the development of solid‐state lighting, laser frequency conversion and X‐ray imaging, but also provides a reference for constructing multifunctional hybrid metal halides.

The aim of this study was to noninvasively explore the glymphatic system (GS) in glioma and its association with glioma characteristics and prognosis by using diffusion tensor image analysis along the perivascular space (ALPS).

Existing literature supports the efficacy of PAOO in augmenting alveolar bone volume and facilitating orthodontic tooth movement. However, there is a paucity of literature addressing its application in the treatment of adults with skeletal Class III malocclusion. This retrospective clinical study aimed to compare the clinical efficacy of camouflage orthodontic treatment combined with and without PAOO in adult patients presenting with skeletal Class III malocclusion. A retrospective study was performed in 38 patients with mild to moderate skeletal Class III malocclusion who underwent orthodontic treatment. Patients were divided into two cohorts: the experimental group, which underwent the PAOO procedure combined with orthodontic treatment, and the control group, which received traditional camouflage orthodontic treatment alone. Radiographic assessments, including lateral cephalograms and cone-beam computed tomography (CBCT) scans, were conducted before treatment (T0) and after treatment (T1) to evaluate changes in maxillary incisor inclination, alveolar bone thickness, and various skeletal and soft tissue parameters. The experimental group exhibited a significant reduction in the axial inclination of the maxillary incisors after treatment (P < 0.05; U1-PP, -4.97 ± 5.23°). The root apex of the maxillary incisors moved labially, and the A-point moved forward. In contrast, the control group demonstrated significant proclination of the maxillary incisors (P < 0.05; U1-PP, 6.80 ± 7.89°). The ANB assessments demonstrated significant improvements (P < 0.05; 3.03 ± 1.62°), with a significant difference between groups that favored the experimental group. Nasolabial angle and G Vert-Sn increased significantly only in the experimental group (P < 0.05; Nasolabial A, 9.47 ± 12.67°; G Vert-Sn, 2.19 ± 2.56 mm). Compared with T0, labial bone thickness significantly increased in the experimental group at T1, while it decreased significantly in the control group. The integration of PAOO with orthodontic treatment appears to enhance labial alveolar bone augmentation and facilitate the labial movement of maxillary incisor roots in patients with skeletal Class III malocclusion. Concurrently, it results in significant improvements in patients' aesthetics of both soft and hard tissue profiles.

Since the birth of blockchain as the underlying support technology for Bitcoin, blockchain technology has received widespread attention from academia and industry worldwide and is considered to have profound potential for disruptive change in areas such as finance, smart manufacturing, and the Internet of Things. As cryptocurrencies, smart contracts, decentralized applications and other derivatives continue to be generated on the blockchain, the volume of transaction data on the blockchain has been maintaining a high growth. With the help of this massive data, we can dig out the development rules of the blockchain, analyze the characteristics of different transactions, and then identify the abnormal behaviour on the blockchain to promote the green and sustainable development of the blockchain. Unfortunately, blockchain transaction data mining faces challenges, such as blockchain data heterogeneity, anonymity and decentralization as well as real-time and generality. This special issue aims to provide an open venue for academic and industrial communities to present and discuss cutting-edge technologies and research results regarding blockchain transaction data mining and its applications. It solicits original high-quality papers with new transaction data acquisition tools, transaction network construction and mining methods, anomaly detection algorithms, etc. In this Special Issue, we have received eight papers, all of which underwent peer review. Of the eight originally submitted papers, five have been accepted. The overall submissions were of high quality, which marks the success of this Special Issue. A brief presentation of each of the paper in this special issue follows. Xiong et al. introduce a graph neural network-based phishing detection method for Ethereum, and conduct extensive experiments on the Ethereum dataset to verify the effectiveness of this scheme in identifying Ethereum phishing detection. The method introduces a feature learning algorithm named TransWalk and constructs an Ethereum phishing fraud detection framework utilizing a transaction-oriented biased sampling strategy for transaction networks and a multi-scale feature extraction method for Ethereum. Through more effective extraction of Ethereum transaction features, the framework aims to enhance phishing fraud detection performance. This work holds significant importance in the field of Ethereum ecosystem security. Access the full paper using the following link: https://doi.org/10.1049/blc2.12031. Feng et al. propose a framework for detecting and repairing reentrancy vulnerabilities in smart contracts based on bytecode and vulnerability features. This framework aims to mitigate the losses incurred by reentrancy vulnerabilities in the digital currency economy and offers a more comprehensive solution for detecting and repairing such vulnerabilities. The proposed bytecode-level method overcomes challenges in detection and repair by integrating detection, auxiliary localization, and repair modules. Through extensive experimental validation, the effectiveness and superiority of the proposed methods are confirmed, further validating the feasibility of the entire framework. Experimental results demonstrate that the framework offers enhanced protection against reentrancy vulnerability attacks in smart contracts. Access the full paper using the following link: https://doi.org/10.1049/blc2.12043. Sharma et al. analyze a pa Quantum-IoT-based data protection scheme that can be of value to Industry 4.0, named QIoTChain. By leveraging the principles of quantum key distribution, data encryption, and blockchain's decentralized and immutable nature, QIoTChain establishes a secure and trustworthy communication framework for IoT devices. This fusion provides robust protection against eavesdropping, tampering, and unauthorized access, ensuring the confidentiality, integrity, and authenticity of data in the industrial landscape. With periodic quantum key updates and regular security audits, QIoTChain continuously adapts to evolving threats, making it a reliable and future-proof solution for data protection in the Industry 4.0 era. Access the full paper using the following link: https://doi.org/10.1049/blc2.12059. Tuma et al. study three major crypto communities in order to compare them, in a cost-benefit study logic. A cost-benefit analysis was performed between CURECOIN, BANANO, DOGECOIN folding, DOGECOIN mining and their communities on social platforms based on several outcomes: 'Points Per Day (PPD)', 'Whattomine Mh/s Equivalent', 'Graphics Processing Units (GPU) Thermal Design Power/Typical Board Power Watts', 'Coins per 1,000,000 PPD', 'Coins per Day', 'Cost Per Coin', 'Cost Per Day', 'kWh Used Per Day'. Actually, BANANO, thanks to a large community and bots, has the highest PPD production and the lowest energetic cost on Central Processing Unit per week. On GPUs, DOGECOIN folding has the lowest weekly cost. However, the DOGECOIN community cannot produce as many PPD as the Banano team. CURECOIN offers a good compromise between the environmental point of view and the profitability one. Access the full paper using the following link: https://doi.org/10.1049/blc2.12060. Gao et al. propose a Bitcoin service community classification method based on Random Forest and improved K-Nearest Neighbor (KNN) algorithm. First, the transaction characteristics of different types of communities are analyzed and summarized, and the corresponding transaction features are extracted from the address and entity levels; then multiple classification algorithms are compared, the optimal model to filter the effective features is selected, and the feature vector of entity addresses is constructed. Finally, a classification model is constructed based on Random Forest and improved KNN algorithm to classify the entities. By constructing different classification models for experimental comparison, the accuracy and stability advantages of the proposed method for classification in service community classification research are verified. Access the full paper using the following link: https://doi.org/10.1049/blc2.12064. All of the papers selected for this Special Issue show that the field of blockchain transaction data mining and its applications is steadily moving forward. The possibility of uncovering novel insights and developing innovative solutions in blockchain transaction data mining and its applications will remain a source of inspiration for new techniques in the years to come. We wish to express our gratitude to all the contributors who submitted novel scientific results in this special issue and to the anonymous reviewers, whose expert work allowed the realisation of this endeavour. We aspire that this effort will contribute to the further development of blockchain and increase the concern of the scientific and technological community in the respective area. Last, we should not omit to express our appreciation to the journal's Editors-in-Chief and the Editorial Office for their support throughout this venture. The authors declare no conflict of interest. Jiajing Wu received the B.Eng. degree in communication engineering from Beijing Jiaotong University, Beijing, China, in 2010, and the Ph.D. degree from Hong Kong Polytechnic University, Hong Kong, in 2014. She was awarded the Hong Kong Ph.D. Fellowship Scheme during her Ph.D. study in Hong Kong (2010–2014). She is currently an associate professor with the School of Software Engineering, Sun Yat-sen University, Zhuhai, China. Her research focus includes blockchain, graph mining, network science. Hong-Ning Dai obtained his Ph.D. in computer science and engineering from the Department of Computer Science and Engineering at the Chinese University of Hong Kong. He is currently an associate professor in the Department of Computer Science, Hong Kong Baptist University, Hong Kong. His research interests include blockchain, the Internet of Things, and big data analytics. He has served as associate editor of IEEE Communications Surveys & Tutorials, IEEE Transactions on Intelligent Transportation Systems, IEEE Transactions on Industrial Informatics, and IEEE Transactions on Industrial Cyber-Physical Systems. He is also a senior member of the Association for Computing Machinery. Qi Xuan received the B.S. and Ph.D. degrees in control theory and engineering from Zhejiang University, Hangzhou, China, in 2003 and 2008, respectively. He was a postdoctoral researcher with the Department of Information Science and Electronic Engineering, Zhejiang University, from 2008 to 2010, and a research assistant with the Department of Electronic Engineering, City University of Hong Kong, Hong Kong, China, in 2010 and 2017. From 2012 to 2014, he was a postdoctoral fellow with the Department of Computer Science, University of California at Davis, Davis, CA, USA. He is currently a professor with the Institute of Cyberspace Security, College of Information Engineering, Zhejiang University of Technology, Hangzhou, China. His current research interests include network science, graph data mining, deep learning, cyberspace security, machine learning, and computer vision. Radosław Michalski is currently an associate professor with the Department of Artificial Intelligence, Wrocław University of Science and Technology, Wrocław, Poland. He co-leads the Network Science Laboratory and leads the Blockchain Exploration Research Group (BERG), both at Wrocław University of Science and Technology. His research interests include complex networks, distributed ledger technology, machine learning. He has coauthored more than 50 publications in these areas. Xi Chen received the Ph.D. degree from the Hong Kong Polytechnic University, Hong Kong, SAR, China in 2009. He is the operation director of the Task Force of Power Industry Large Language Model Development, State Grid Smart Grid Research Institute, State Grid Corporation of China. He was the research director at State Grid US Representative Office, New York, NY, and the chief information officer at GEIRI North America, San Jose, CA. He was a postdoctoral research fellow at the Institute of Software, Chinese Academy of Science. He is the Chair-Elect of IEEE Power and Energy Circuits and Systems Technical Committee. He serves as editor of IEEE Transactions on Wireless Communications, and associate editor of IEEE Systems Journal, IEEE Open Journal of the Industrial Electronics Society, IET Blockchain etc. He is an IET Fellow and an IEEE Senior Member. His current research interests include the Internet of Things, smart grids, artificial intelligent applications and electric vehicle charging networks.