[論文レビュー] Higher-order interactions shape collective dynamics differently in hypergraphs and simplicial complexes

Yuanzhao Zhang, Maxime Lucas+1 more|arXiv (Cornell University)|Mar 6, 2022

Complex Network Analysis Techniques被引用数 7

ひとこと要約

本稿は、ハイパーグラフでは高次相互作用が同期を強化するが、単体複体では高次次数の不均一性とクロスオーダー次数相関の違いにより同期を妨げることを示している。カップルド位相オシレーターとスペクトル解析を用いて、著者たちはハイパーグラフと単体複体という表現の選択が集団的ダイナミクスを根本的に変えることを示しており、非双対的相互作用をモデル化する際にこれらの枠組みが相互に置き換え可能であるという仮定に疑問を呈している。

ABSTRACT

Higher-order networks have emerged as a powerful framework to model complex systems and their collective behavior. Going beyond pairwise interactions, they encode structured relations among arbitrary numbers of units through representations such as simplicial complexes and hypergraphs. So far, the choice between simplicial complexes and hypergraphs has often been motivated by technical convenience. Here, using synchronization as an example, we demonstrate that the effects of higher-order interactions are highly representation-dependent. In particular, higher-order interactions typically enhance synchronization in hypergraphs but have the opposite effect in simplicial complexes. We provide theoretical insight by linking the synchronizability of different hypergraph structures to (generalized) degree heterogeneity and cross-order degree correlation, which in turn influence a wide range of dynamical processes from contagion to diffusion. Our findings reveal the hidden impact of higher-order representations on collective dynamics, highlighting the importance of choosing appropriate representations when studying systems with nonpairwise interactions.

研究の動機と目的

• ハイパーグラフと単体複体を高次相互作用の表現として用いる選択が、根本的に異なる集団的ダイナミクスを生じるかどうかを調査すること。
• 具体的には、高次次数の不均一性とクロスオーダー次数相関という構造的メカニズムが、これらの2つのフレームワークにおける同期行動の相違を引き起こす仕組みを同定すること。
• 合成ネットワーク、脳コネクトームデータ、および双対的および非双対的相互作用の割合を変化させた状況において、これらの効果の頑健性を評価すること。
• 非双対的相互作用をモデル化する際、ハイパーグラフと単体複体が相互に置き換え可能であるという一般的な仮定に反論すること。
• 次数の不均一性と相関が重要な役割を果たす、拡散、伝染、進化などの他の動的プロセスへも、この知見を拡張すること。

提案手法

• 双対的相互作用を隣接行列で、高次相互作用をハイパーエッジまたは単体で表現することにより、高次相互作用をモデル化する。
• ハイパーグラフと単体複体の両方に対して一般化されたラプラシアン行列を用い、2番目に小さい固有値（代数的連結度）を通じてカップルド位相オシレーターの同期可能性を分析する。
• 双対的および非双対的相互作用を連続的に入れ混ぜるパラメータαを用い、混合オーダー系の系統的分析を可能にする（0 < α < 1）。
• ハイパーエッジの所属入れ替え手順を適用して、次数配分を変更せずにクロスオーダー次数相関を操作し、相関効果の制御された分析を可能にする。
• ラプラシアン行列の固有値ギャップλ₂を用いて同期安定性を分析し、λ₂が大きいほど同期可能性が高まることを示す。
• 合成ネットワーク、ランダムハイパーグラフ、準構造的ハイパーグラフ、および神経データベース（neurodata.io）から得た実際の脳コネクトームデータセット（例：ネズミの脳ネットワーク）を用いて結果を検証する。

実験結果

リサーチクエスチョン

• RQ1 同一の高次相互作用構造のもとで、ハイパーグラフと単体複体は同等の同期ダイナミクスを生じるか？
• RQ2 高次次数の不均一性は、ハイパーグラフと単体複体における非双対的相互作用を有する系の同期可能性にどのように影響するか？
• RQ3 双対的および非双対的相互作用が共存する状況で、クロスオーダー次数相関が同期安定性に果たす役割は何か？
• RQ4 ハイパーグラフでは同期を強化し、単体複体では抑制するという高次相互作用の相反する効果は、ネットワーク表現の構造的差異によって説明可能か？
• RQ5 これらの発見は、拡散、伝染、進化動的プロセスなど、他の動的プロセスに対しても一般化可能か？

主な発見

• 高次次数の不均一性が著しく高いことから、単体複体では高次相互作用が同期を一貫して不安定化させる。これは代数的連結度λ₂の低下に起因する。
• それに対して、ハイパーグラフ（ランダムおよび準構造的ハイパーグラフを含む）では、高次相互作用がより均一なハイパーエッジ分布をもたらすことで、同期可能性が向上し、同期が強化される。
• 高次次数の不均一性が増加するにつれ、単体複体におけるラプラシアン行列の2番目に小さい固有値λ₂は減少し、同期可能性が低下することが示された。
• 混合オーダー系（0 < α < 1）においては、クロスオーダー次数相関がより負の値をとると、同期安定性が向上する。これは、異なる相互作用オーダーからの次数不均一性が相殺し合うからである。
• ハイパーエッジ所属入れ替え手順により、次数配分を変更せずにクロスオーダー次数相関を操作でき、相関そのものが観察された同期トレンドを決定づけていることが確認された。
• 結果は合成ネットワークおよび実際の脳コネクトームデータの両方で頑健であり、スイッチングによっても同一の端点（α = 0 および α = 1）が保持されることから、極端な状況における構造的不変性が確認された。