[論文レビュー] Controllability of temporal networks: An analysis using higher-order networks

Yan Zhang, Antonios Garas+1 more|arXiv (Cornell University)|Jan 23, 2017

Opinion Dynamics and Social Influence被引用数 10

ひとこと要約

本稿では、時間的ネットワークの可制御性を分析するための高次元ネットワークフレームワークを導入し、相互作用の順序相関が可制御性を加速または遅延させることを示している。これは拡散過程に対する影響とは逆に作用する。6つの実世界データセットにおける高次元トポロジーのスペクトル解析により、この直感に反する挙動が説明されている。

ABSTRACT

The control of complex networks is a significant challenge, especially when the network topology of the system to be controlled is dynamic. Addressing this challenge, here we introduce a novel approach which allows exploring the controllability of temporal networks. Studying six empirical data sets, we particularly show that order correlations in the sequence of interactions can both increase or decrease the time needed to achieve full controllability. Counter-intuitively, we find that this effect can be opposite than the effect of order correlations on other dynamical processes. Specifically, we show that order correlations that speed up a diffusion process in a given system can slow down the control of the same system, and vice-versa. Building on the higher-order graphical modeling framework introduced in recent works, we further demonstrate that spectral properties of higher-order network topologies can be used to analytically explain this phenomenon.

研究の動機と目的

• 時間変動するトポロジーを示す複雑で動的変化するネットワークの制御という課題に取り組む。
• 特に順序相関を含む相互作用の順序が、完全なネットワーク可制御性に到達するまでの時間をどのように影響するかを調査する。
• 記憶および時間的依存性を捉えるために、分析的可制御性のための高次元ネットワークモデリング手法を開発する。
• 同じ時間的相関構造下で可制御性と他の動的過程（例：拡散）の挙動がなぜ異なるのかを説明する。

提案手法

• 高次元マルコフ連鎖を用いて記憶効果を符号化する高次元ネットワークとして時間的ネットワークをモデル化する。
• 実世界の相互作用系列から高次元隣接テンソルを構築し、時間的依存性を表現する。
• 高次元ネットワークトポロジーのスペクトル特性を分析し、可制御性の特徴を推論する。
• 時間変動するネットワーク状態における可制御性指標を計算するために、Krylov部分空間法を用いる。
• 6つの実世界の実データセットを用いて、異なる順序相関構造下での可制御性時間の比較を行う。
• 固有値分布と可制御性ダイナミクスの関係を明らかにするために、スペクトルグラフ理論の解析的手法を適用する。

実験結果

リサーチクエスチョン

• RQ1 相互作用系列における順序相関は、時間的ネットワークの完全可制御性に到達するまでの時間をどのように影響するか？
• RQ2 順序相関が拡散過程を加速させる場合、なぜネットワーク制御は遅延することがあるのか、逆に逆の場合も同様に説明できるか？
• RQ3 高次元ネットワークモデルは、同じ時間的相関構造下で可制御性と拡散の挙動の相違を説明できるか？
• RQ4 高次元トポロジーのどのスペクトル的特徴が、速いまたは遅い可制御性と相関しているか？
• RQ5 実世界のさまざまなシステムにおいて、実時間的ネットワークがこれらの相反する効果をどの程度示しているか？

主な発見

• 相互作用系列における順序相関は、ネットワーク構造や相関タイプに応じて、完全可制御性に到達するまでの時間を短縮または延長する可能性がある。
• 順序相関が可制御性に与える影響は、通常、拡散過程に与える影響とは逆向きであり、動的挙動に根本的な乖離が存在することを示している。
• 高次元ネットワークのスペクトル的特性、特に固有値分布が、観察された可制御性ダイナミクスの解析的説明を提供している。
• このフレームワークは、実世界のデータセットにおける可制御性パフォーマンスと相関する構造的パターンを効果的に同定している。
• この直感に反する挙動は、6つの多様な実世界時間的ネットワークで一貫して観察されており、研究結果の堅牢性が裏付けられている。
• 本研究では、標準的なマルコフモデルが可制御性に関連するダイナミクスを捉えきれていない可能性が明らかになったことから、高次元表現の必要性が強調されている。