[論文レビュー] Exact Markovian SIR and SIS epidemics on networks and an upper bound for the epidemic threshold

Piet Van Mieghem|arXiv (Cornell University)|Feb 7, 2014

Complex Network Analysis Techniques参考文献 16被引用数 28

ひとこと要約

本稿は、インジケータ確率変数と期待値作用素を用いて、平均場近似を用いない、連続時間のマコフ型SIRおよびSIS疫病モデルをネットワーク上に提示する。支配方程式を導出し、グラフのラプラシアンおよび次数分布を用いたSIS疫病閾値の新規上界を確立する。この上界は正則グラフに対してタイトであり、疫病閾値付近で最大分散を示す。

ABSTRACT

Exploiting the power of the expectation operator and indicator (or Bernoulli) random variables, we present the exact governing equations for both the SIR and SIS epidemic models on \emph{networks}. Although SIR and SIS are basic epidemic models, deductions from their exact stochastic equations extbf{without} making approximations (such as the common mean-field approximation) are scarce. An exact analytic solution of the governing equations is highly unlikely to be found (for any network) due to the appearing pair (and higher order) correlations. Nevertheless, the maximum average fraction $y_{I}$ of infected nodes in both SIS and SIR can be written as a quadratic form of the graph's Laplacian. Only for regular graphs, the expression for the maximum of $y_{I}$ can be simplied to exhibit the explicit dependence on the spectral radius. From our new Laplacian expression, we deduce a general extbf{upper} bound for the epidemic SIS threshold in any graph.

研究の動機と目的

• 任意のネットワーク上でのSIRおよびSIS疫病の正確な確率的支配方程式を、平均場近似に依存せずに導出すること。
• 最大平均感染ノード割合を、グラフのラプラシアンを含む二次形式として表現し、新たな解析的洞察を可能にすること。
• 任意のネットワーク構造に適用可能な、SIS疫病閾値の一般上界を確立すること。
• SIS疫病における感染ノード割合の分散を分析し、その極値行動を特定すること。
• ノード対の相関関係およびリンク両端での同時感染確率が、疫病ダイナミクスに果たす役割を明らかにすること、特に2次近似との関連において。

提案手法

• 連続時間マコフ連鎖を用いてSISおよびSIRプロセスを定式化し、独立なポアソン感染および回復プロセスを採用する。
• ノード状態を表すインジケータ（ベルヌーイ）確率変数を用い、線形期待値作用素を適用して正確な微分方程式を導出する。
• 感染確率および回復確率の支配方程式を導出し、隣接関係および感染ダイナミクスを含む遷移率項を用いて状態遷移を記述する。
• 最大平均感染有病率 $ y_{I} $ をグラフのラプラシアン行列の二次形式として表現し、スペクトル解析を可能にする。
• ラプラシアン表現を用いて、SIS疫病閾値 $ \tau_c \leq \frac{1}{d_{\min}}\left(1 + O\left(\frac{1}{\sqrt{N}}\right)\right) $ の上界を導出する。
• 感染ノード割合の分散を、時間微分方程式を導出し、疫病閾値付近での極値を特定することで分析する。

実験結果

リサーチクエスチョン

• RQ1 任意のネットワーク上での正確なマコフ型SIRおよびSIS疫病ダイナミクスを、平均場近似を用いずにどのように定式化できるか？
• RQ2 SISおよびSIRモデルにおいて、最大平均感染有病率とグラフのラプラシアンの関係は何か？
• RQ3 正確な確率的方程式から、SIS疫病閾値の一般上界を導出可能か？
• RQ4 SIS疫病における感染ノード割合の分散はどのように振る舞い、どこで最大値をとるか？
• RQ5 リンク両端での同時感染確率が、疫病閾値およびダイナミクスに果たす役割は何か？

主な発見

• SISおよびSIRモデルの両方において、最大平均感染ノード割合 $ y_{I\text{max}} $ は、グラフのラプラシアン行列の二次形式として表現可能である。
• 正則グラフでは、$ y_{I\text{max}} $ は固有値半径に明示的に依存する式に簡略化され、直接的なスペクトル解析が可能になる。
• SIS疫病閾値の一般上界として $ \tau_c \leq \frac{1}{d_{\min}}\left(1 + O\left(\frac{1}{\sqrt{N}}\right)\right) $ が導出され、任意のグラフに対して有効である。
• この上界は正則グラフに対してタイトであり、構造的ネットワーク特性を組み込むことで、先行の近似を改善する。
• SIS感染ノード割合の分散は、疫病閾値付近で最大となり、統計物理学における相転移挙動と整合的である。
• 感染ノード割合と単一感染リンク数との依存関係は、分散が顕著であることを示唆し、平均場モデルにおける独立性仮定に反する。