[論文レビュー] Diagonal degree correlations vs. epidemic threshold in scale-free networks

Maria Letizia Bertotti, Giovanni Modanese|arXiv (Cornell University)|Aug 24, 2021

Complex Network Analysis Techniques参考文献 18被引用数 3

ひとこと要約

この論文は、スケールフリーネットワークにおける弱い対角的同調的次数相関ですら、感染症の閾値を著しく低下させ、ネットワークサイズが増加するにつれて急速に消失させることを示している。ヴァツェフ・ヴァイゲル相関行列とポートォ・ヴァイゲル再構成法を用いて、同一の平均近隣次数関数（knn）でも、相関行列構造と固有値スペクトルの違いにより、著しく異なる感染症閾値をもたらすことが明らかになった。

ABSTRACT

We prove that the presence of a diagonal assortative degree correlation, even if small, has the effect of dramatically lowering the epidemic threshold of large scale-free networks. The correlation matrix considered is $P(h|k)=(1-r)P^U_{hk}+r\delta_{hk}$, where $P^U$ is uncorrelated and $r$ (the Newman assortativity coefficient) can be very small. The effect is uniform in the scale exponent $\gamma$, if the network size is measured by the largest degree $n$. We also prove that it is possible to construct, via the Porto-Weber method, correlation matrices which have the same $k_{nn}$ as the $P(h|k)$ above, but very different elements and spectrum, and thus lead to different epidemic diffusion and threshold. Moreover, we study a subset of the admissible transformations of the form $P(h|k) o P(h|k)+\Phi(h,k)$ with $\Phi(h,k)$ depending on a parameter which leave $k_{nn}$ invariant. Such transformations affect in general the epidemic threshold. We find however that this does not happen when they act between networks with constant $k_{nn}$, i.e. networks in which the average neighbor degree is independent from the degree itself (a wider class than that of strictly uncorrelated networks).

研究の動機と目的

• 大規模スケールフリーネットワークにおける対角的同調的次数相関が感染症閾値に与える影響を調査すること。
• 同一の knn 関数から相関行列を再構成する際の曖昧性を検討し、異なる行列が異なる感染ダイナミクスをもたらすことを示すこと。
• knn を保存する許容可能な変換が感染症閾値に与える影響を分析すること、特に一定の knn を持つネットワークにおいて注目すること。
• 一定の knn（次数に依存しない）を持つネットワークは、このような変換に対して不変であり、相関の変化にもかかわらず感染症閾値が保たれることを確立すること。

提案手法

• Vazquez-Weigt 相関行列 P(h|k) = (1−r)hP(h)/⟨k⟩ + rδhk を用い、無相関成分と完全同調的成分を組み合わせたものである。
• Porto-Weber 法を用いて、与えられた knn 関数から相関行列を再構成し、元の Vazquez-Weigt 行列と比較可能にする。
• 接続行列 Ckh = kP(h|k) の固有値スペクトルを分析し、Vazquez-Weigt 行列では固有値が Λ(i) = ri（i = 1,…,n）に正確に等しいことを示す。
• knn(k) を保存する変換族 P(h|k) → P(h|k) + Φ(h,k) を導入し、φ1,1 でパラメータ化された対称的摂動 Φ(h,k) を用いる。
• これらの変換下での Ckh の最大固有値を計算し、感染症閾値 λc = 1/Λmax の変化を評価する。
• 異なる γ（2.1, 2.5, 2.9）を持つスケールフリーネットワークを用いて、相関構造の違いによる閾値感度を評価する。

実験結果

リサーチクエスチョン

• RQ1 わずかにでも対角的同調的次数相関が存在する場合、大規模スケールフリーネットワークにおける感染症閾値にどのように影響を与えるか？
• RQ2 感染症閾値は knn(k) だけによって決定されるのか、それとも相関行列 P(h|k) の完全な構造が重要な役割を果たすのか？
• RQ3 同じ knn(k) を持つ異なる相関行列が、著しく異なる感染症閾値をもたらすことは可能か？
• RQ4 knn(k) を保存する変換が、どのような条件下で感染症閾値を変化させないか？
• RQ5 接続行列の固有値スペクトルが感染症閾値を決定する上で果たす役割は何か？

主な発見

• わずかにでも対角的同調的相関（r > 0）が存在するだけで、感染症閾値 λc は n⁻¹ に比例して減少し、ネットワークサイズ n が増加するにつれて急速に消失する。
• Vazquez-Weigt 接続行列の固有値は正確に Λ(i) = ri（i = 1,…,n）に等しく、最大固有値 Λmax = r となるため、λc = 1/r となり、r の増加に伴い急速に減少する。
• γ = 2.1, 2.5, 2.9 の場合、φ1,1 > 0 である変換 P(h|k) → P(h|k) + Φ(h,k) は、Ckh の最大固有値を増加させ、結果として感染症閾値を低下させる。
• 一方、完全に無相関のネットワーク（P(h|k) = hP(h)/⟨k⟩）では、同じ変換によって最大固有値は ⟨k²⟩/⟨k⟩ のまま維持され、P(h|k) が変化しても λc は変化しない。
• 一定の knn(k) を持つネットワークは、このような変換に対して不変である：P(h|k) が変化しても、相関が非ゼロであっても感染症閾値は変化しない。
• 本研究は、knn(k) のみでは感染症閾値を予測できないことが確認された。P(h|k) の完全な構造とそのスペクトル的性質が不可欠である。