[論文レビュー] Assortative mixing by degree makes a network more unstable

Markus Brede, Sitabhra Sinha|arXiv (Cornell University)|Jul 29, 2005

Bayesian Modeling and Causal Inference参考文献 2被引用数 24

ひとこと要約

本論文は、有向Erdős-Rényiネットワークおよびスケールフリーネットワークから導出されたランダム重み付きヤコビ行列のスペクトル特性を分析することにより、次数相関がネットワーク安定性に与える影響を調査する。その結果、高次ノード同士が好んで接続するアサートィティブ混合—すなわち、次数の高いノード同士の接続が優先される構造—が、ネットワークサイズ $N^{0.2}$ のべき則的スケーリングを示す最大実部 eigenvalue ($\lambda_{\text{max}}$) を顕著に増加させ、結果として不安定性が増大することを明らかにした。一方、ディアサートィティブネットワークでは、$\log(N^{0.12})$ の対数的増加にとどまり、動的ゆらぎに対してより高い耐性を示すことが示された。

ABSTRACT

We investigate the role of degree correlation among nodes on the stability of complex networks, by studying spectral properties of randomly weighted matrices constructed from directed Erdös-Rényi and scale-free random graph models. We focus on the behaviour of the largest real part of the eigenvalues, $λ_ ext{max}$, that governs the growth rate of perturbations about an equilibrium (and hence, determines stability). We find that assortative mixing by degree, where nodes with many links connect preferentially to other nodes with many links, reduces the stability of networks. In particular, for sparse scale-free networks with $N$ nodes, $λ_ ext{max}$ scales as $N^α$ for highly assortative networks, while for disassortative graphs, $λ_ ext{max}$ scales logarithmically with $N$. This difference may be a possible reason for the prevalence of disassortative networks in nature.

研究の動機と目的

• 複雑なネットワークの安定性に次数相関が与える影響を調査すること。
• 次数によるアサートィティブ混合がネットワークダイナミクスにおける不安定性を増大させるかどうかを特定すること。
• アサートィティブおよびディアサートィティブネットワーク間での $\lambda_{\text{max}}$ — すなわち、固有値の最大実部 — のスケーリング挙動を比較すること。
• 生物学的ネットワークにおけるディアサートィティブ混合の進化的意味を探ること。
• 制御されたアサートィビティを有するスケールフリーネットワークおよびErdős-Rényiネットワークから導出されたランダム重み付き行列のスペクトル特性を分析すること。

提案手法

• Erdős-RényiおよびBarabási-Albert (BA) モデルを用いて、次数相関を制御した有向ランダムネットワークを構築した。
• リンク交換アルゴリズムを適用して、アサートィビティ係数 $a$ が未相関から非常にアサートィティブな範囲にまで達するようなアンサンブルを生成した。
• 隣接行列の非ゼロ要素を、平均 0、分散 $\sigma^2$ の独立同一分布に従うガウス分布の重みに置き換えることで、ヤコビ行列 $J_{ij}$ を生成した。
• ネットワーク安定性の指標として、固有値の最大実部 $\lambda_{\text{max}}$ を計算した。
• 接続度 $C$ と平均次数 $m$ を一定に保った状態で、$\lambda_{\text{max}}$ のネットワークサイズ $N$ に対するスケーリングを分析した。
• 実固有値の割合 $f_{\text{real}}$ を測定し、実軸付近のスペクトル密度を評価した。これは不安定性と相関する。

実験結果

リサーチクエスチョン

• RQ1 次数によるアサートィティブ混合は、複雑なネットワークの安定性にどのように影響するか？
• RQ2 アサートィティブネットワークとディアサートィティブネットワークにおいて、$\lambda_{\text{max}}$ はネットワークサイズとどのようにスケーリングするか？
• RQ3 なぜ生物学的ネットワークにおいてディアサートィティブ混合が広く見られるのだろうか？
• RQ4 特に実固有値の分布が、アサートィティブネットワークとディアサートィティブネットワークでどのように異なるか？
• RQ5 次数相関は、ネットワーク内での動的ゆらぎの伝播にどの程度影響を与えるか？

主な発見

• スパarsなスケールフリーネットワークにおいて、高アサートィティブネットワークでは $\lambda_{\text{max}}$ が $N^{0.2}$ のスケーリングを示し、サイズに伴い不安定性が顕著に増大することを示唆している。
• これに対して、ディアサートィティブおよび未相関スケールフリーネットワークでは、$\lambda_{\text{max}}$ は $\log(N^{0.12})$ の対数的増加にとどまり、はるかに高い安定性を示している。
• 実固有値の割合 $f_{\text{real}}$ は、アサートィティブネットワークでは $N^{-0.1}$ の割合で減少するのに対し、ディアサートィティブネットワークでは $N^{-0.45}$ とより速く減少し、$\lambda_{\text{max}}$ が大きな値をとる可能性が高くなる。
• アサートィティブネットワークでは、スペクトルエッジの減衰が、未相関およびディアサートィティブネットワークよりも緩やかに観察され、不安定性の増大が示唆された。
• 高アサートィビティは巨大連結成分のサイズを減少させ、$a \approx 0.25$ の場合、最大クラスタに約 80% のリンクが存在するが、この割合は $N$ に依存しない。
• これらの結果から、ディアサートィティブ混合は、動的ゆらぎを最小限に抑え、システム安定性を高めるために進化的に好まれる可能性がある。