[論文レビュー] Generalized group-based epidemic model for spreading processes on networks: GgroupEM

Sifat Afroj Moon, Faryad Darabi Sahneh+1 more|arXiv (Cornell University)|Aug 16, 2019

Complex Network Analysis Techniques参考文献 13被引用数 4

ひとこと要約

本稿では、複雑なネットワーク上の compartmental spreading プロセスを効率的にシミュレートできる、一般化されたグループベースの疫学的モデル枠組み GgroupEM を提案する。ノードのグループ化による状態空間の縮小を活用し、連続時間マーカフ過程と平均場近似を用いることで、限定的な集約誤差を伴いつつ顕著な計算高速化を達成する。SIS や SIR などの多様な疫学的モデルおよびマルチレイヤーネットワークのサポートを可能にしている。

ABSTRACT

We develop a generalized group-based epidemic model (GgroupEM) framework for any compartmental epidemic model (for example; susceptible-infected-susceptible, susceptible-infected-recovered, susceptible-exposed-infected-recovered). Here, a group consists of a collection of individual nodes. This model can be used to understand the important dynamic characteristics of a stochastic epidemic spreading over very large complex networks, being informative about the state of groups. Aggregating nodes by groups, the state space becomes smaller than the individual-based approach at the cost of aggregation error, which is strongly bounded by the isoperimetric inequality. We also develop a mean-field approximation of this framework to further reduce the state-space size. Finally, we extend the GgroupEM to multilayer networks. Since the group-based framework is computationally less expensive and faster than an individual-based framework, then this framework is useful when the simulation time is important.

研究の動機と目的

• 非常に大きなネットワーク（家畜、社会的、通信システムなど）における個別ベースの疫学的モデリングの計算不能性に対処する。
• ノードをグループ化することで状態空間の複雑性を低減し、等周不等式を用いた誤差の理論的境界を保証する枠組みを用いながら、正確性を損なわない。
• 既存のグループベースモデルを一般化し、SIS や SIR、SEIR などの任意の compartmental 疫学的モデルをサポートすることで、柔軟性と適用範囲を拡大する。
• 状態の動的特性を保持しつつ、計算コストをさらに低減する平均場近似を考案する。
• 相互依存的または重複するネットワーク構造を有する現実世界のシステムをモデル化できるように、フレームワークをマルチレイヤーネットワークへ拡張する。

提案手法

• 各グループがコンpartments 全体にわたるノードの状態を集約するグループベースのダイナミクスを記述する連続時間マーカフ過程を定式化する。
• ノードおよびエッジのコンパートメント間遷移をモデル化するため、遷移指示行列 ($\Delta_{\delta}, \Delta_{\beta}$) と状態遷移インジケータ ($\mathcal{V}_{i,m}$) を定義する。
• グループレベルのダイナミクスとネットワークトポロジーを組み合わせるため、テンソル演算 ($\circ$) を用いてグローバル遷移レート行列 $\Theta$ を構築する。
• グループ状態の統計的独立性を仮定することで、状態空間のサイズを縮小する平均場近似を適用する。これにより、高速なシミュレーションが可能になる。
• レイヤー間およびレイヤー内相互作用をレイヤー付き隣接行列 $\mathcal{A}_g$ を用いてモデル化することで、マルチレイヤーネットワークへの拡張を実現する。
• ノードのグループ化によって生じる集約誤差を理論的に境界づけるために、等周不等式を用いる。

実験結果

リサーチクエスチョン

• RQ1 任意の compartmental 疫学的モデル（SIS, SIR, SEIR など）をサポートできるように、グループベースの枠組みを一般化する方法は何か？
• RQ2 ノードをグループ化することによる計算効率と正確性のトレードオフは何か？ また、誤差はどのように理論的に境界づけられるか？
• RQ3 平均場近似は、元の個別ベースのモデルの動的挙動を保持しつつ、シミュレーション時間をどの程度短縮できるか？
• RQ4 相互依存的または重複する構造を持つマルチレイヤーネットワークにおける拡散プロセスをモデル化するには、グループベースの枠組みをどのように拡張できるか？
• RQ5 どのような状況下で、グループベースのアプローチが予測の正確性に顕著な損失を伴わず、速度とスケーラビリティの点で個別ベースのモデルを上回るのか？

主な発見

• GgroupEM フレームワークは、個別ベースのモデルと比較して状態空間のサイズを顕著に縮小し、大規模ネットワーク上での高速なシミュレーションを可能にする。
• グループ化によって生じる集約誤差は、等周不等式によって強く境界づけられており、モデルの理論的信頼性が保証される。
• グループ数が2つで $\mathcal{N}_1=3$ および $\mathcal{N}_2=3$ の場合、それぞれ3および4つの異なる状態を捉えることができ、状態空間の成長が制御可能であることが示された。
• 平均場近似により、グループ状態の統計的独立性を仮定することで、計算複雑性がさらに低減され、スケーラブルなシミュレーションが実現された。
• レイヤー付き隣接行列を用いてレイヤー内およびレイヤー間遷移をモデル化することで、フレームワークがマルチレイヤーネットワークへ成功裏に拡張された。
• $\Theta_{\delta_1}$ および $\Theta_{\beta_1}$ 行列は、SIS プロセスに対して導出され、グループ状態とネットワーク構造を用いた行列演算によるグループレベルの遷移ダイナミクスのエンコード方法を示している。