[論文レビュー] Graph and Network Theory in Physics

Ernesto Estrada|arXiv (Cornell University)|Feb 18, 2013

Complex Network Analysis Techniques被引用数 13

ひとこと要約

本稿は、物理学におけるグラフ理論およびネットワーク理論の応用について包括的なサーベイを提示している。これは、強いつながりのないモデル（例：ハッブルドおよびタイトバインディング）や統計力学（ポッツ模型）、グラフ多項式によるフェインマン積分の解法、および複雑ネットワーク解析を統合したものである。グラフ理論的手法が、振動モード、電気的ネットワーク、同期化や感染症の拡散といったネットワーク上の動的プロセスの理解を深める手助けをしていることが示されている。

ABSTRACT

A book Chapter consisting of some of the main areas of research in graph theory applied to physics. It includes graphs in condensed matter theory, such as the tight-binding and the Hubbard model. It follows the study of graph theory and statistical physics by means of the analysis of the Potts model. Then, we consider the use of graph polynomials in solving Feynman integrals, graphs and electrical networks, vibrational analysis in networked systems and random graphs. The second part deals with the study of complex networks and includes the models of "small-world", "scale-freeness", network motifs, centrality measures, the use of statistical mechanics for the analysis of networks and network communicability and the study of communities in networks. The chapter is finished by considering some dynamical models on networks, such as the consensus analysis, synchronization of coupled oscillators and epidemic models on networks.

研究の動機と目的

• 理論的および数学的物理学の多様な分野にわたるグラフ理論およびネットワーク理論の応用を統合的かつレビューすること。
• グラフ理論的形式化を用いて統計力学、量子力学、ネットワーク科学の概念を統合すること。
• グラフ多項式、中心性指標、ネットワークモチーフが物理的問題の解決にどのように有用であるかを示すこと。
• 共感、同期化、感染症の拡散といった動的プロセスが複雑ネットワーク上でどのように進行するかを検討すること。
• グラフ理論と凝縮系物理学および統計力学の物理的モデルを結びつける統一的枠組みを提供すること。

提案手法

• 凝縮系物理学におけるタイトバインディングおよびハッブルドハミルトニアンを用いて、電子系をグラフ理論でモデル化する。
• グラフ理論的統計力学を用いて、フェーズ転移や臨界現象を研究するためのポッツ模型を適用する。
• フェインマン積分の計算に、彩色多項式やトゥッテ多項式などのグラフ多項式を用いる。
• ラプラシアン行列の固有値およびグラフスペクトルを用いて、ネットワーク系における電気的ネットワークおよび振動モードを分析する。
• ランダムグラフモデルおよび複雑ネットワーク指標（例：スモールワールド、スケールフリー、コミュニティ構造）を用いて、現実のシステムをモデル化する。
• 情報伝達および複雑システムにおけるノードの重要性を定量化するために、ネットワークの可搬性および中心性指標を導入する。

実験結果

リサーチクエスチョン

• RQ1 グラフ理論をどのように系統的に応用することで、電子輸送といった凝縮系物理学の問題を解けるか？
• RQ2 グラフ多項式は、量子場理論におけるフェインマン積分の計算をどのように容易にするか？
• RQ3 スモールワールド性やスケールフリー度分布といったネットワーク特性はどのようにして出現し、動的プロセスにどのように影響を与えるか？
• RQ4 ネットワークモチーフおよび中心性指標は、複雑システムの構造と機能を理解する上で果たす役割は何か？
• RQ5 共感、同期化、感染症の拡散といった動的モデルは、構造的およびランダムなネットワーク上でどのように振る舞うか？

主な発見

• 特にトゥッテ多項式を用いることで、量子場理論におけるフェインマン積分の評価に体系的な手法が得られる。
• ラプラシアン行列のスペクトル的性質は、ネットワーク系における振動モードおよび電気的コンダクタンスを正確に記述できる。
• グラフ上のポッツ模型は、統計力学からの予測と整合する臨界行動およびフェーズ転移を明らかにする。
• ネットワークモチーフおよびコミュニティ検出は、神経系や社会的ネットワークに見られるような機能的サブ構造を同定する。
• 可搬性やエイジェンベクトル中心性といった中心性指標は、情報および信号伝播におけるノードの影響力を効果的にランク付けできる。
• ネットワーク上の同期化および感染症の拡散は、度分布やクラスタリングといったトポロジー的特徴に強く依存する。