[論文レビュー] How complex a complex network of equal nodes can be?

Maurı́cio S. Baptista, F. Moukam Kakmeni+2 more|ArXiv.org|May 22, 2008

stochastic dynamics and bifurcation参考文献 2被引用数 4

ひとこと要約

本論文は、同一ノードを有する大規模なアクティブネットワークの複雑性—正のリャプノフ指数の和として測定される—が、スケーリング則を用いて2ノードネットワークから予測可能であると提唱する。主な結果は、より大きなネットワークにおける正のリャプノフ指数の和が、2ノード系のそれによって上限で抑えられることであり、その上限はネットワークの結合構造に依存するが、トポロジーに依存しない動的特性に依存する。

ABSTRACT

Positive Lyapunov exponents measure the asymptotic exponential divergence of nearby trajectories of a dynamical system. Not only they quantify how chaotic a dynamical system is, but since their sum is an upper bound for the entropy by the Ruelle inequality, they also provide a convenient way to quantify the complexity of an active network. We present numerical evidences that for a large class of active networks, the sum of the positive Lyapunov exponents is bounded by the sum of the positive Lyapunov exponents of the corresponding synchronization manifold, the last quantity being in principle easier to compute than the latter. This fact is a consequence of the property that for an active network considered here, the amount of information produced is more affected by the interactions between the nodes than by the topology of the network. Using the inequality described above, we explain how to predict the behavior of a large active network only knowing the information provided by an active network consisting of two coupled nodes.

研究の動機と目的

• 大規模なアクティブネットワーク（同一ノード）の複雑性が、より単純な2ノード系から推定可能かどうかを検証すること。
• ネットワークトポロジーが、非同期的かつカオス的状態にあるネットワークにおける正のリャプノフ指数の和にどのように影響するかを調査すること。
• 2ノード結合ダイナミクスに基づいて、大規模ネットワークにおける正のリャプノフ指数の和の解析的上限を確立すること。
• ネットワーク複雑性がトポロジー構造ではなく、相互作用強度および結合タイプによって主に支配されることを示すこと。

提案手法

• ネットワークのダイナミクスに沿った線形化された変分方程式を用いて、同期多様体の条件付きリャプノフ指数を導出する。
• ネットワークのラプラシアン行列の固有モード分解を用いて、摂動ダイナミクスを縦方向モードと横方向モードに分離する。
• 2ノード系の結果を大規模ネットワークへ拡張するためのスケーリング則を適用：結合強度は|γi(N)|でスケーリングされ、非線形結合はノードあたりの接続数kでスケーリングされる。
• リューヴェの不等式を用いて、正のリャプノフ指数の和をネットワークエントロピーに関連付け、それを複雑性の指標として用いる。
• 線形および非線形写像、およびヒンダシュ・ローズニューロンを用いたネットワークにおいて、スケーリング手法の数値的妥当性を検証する。
• 全ネットワークのリャプノフ指数（Λ）と同期多様体のリャプノフ指数（ΛC）を比較し、異なる結合状態において、Λ ≤ ΛC または Λ ≥ ΛC という境界を確立する。

実験結果

リサーチクエスチョン

• RQ1 大規模な同一ノードネットワークにおける正のリャプノフ指数の和は、2ノード系から予測可能か？
• RQ2 ネットワークトポロジーは正のリャプノフ指数の和に顕著な影響を及ぼすか、それとも結合強度およびダイナミクスが支配的か？
• RQ3 大規模ネットワークにおける正のリャプノフ指数の和が、2ノード系のそれによって上限で抑えられる条件は何か？
• RQ4 線形および非線形結合項は、アクティブネットワークにおける同期的状態と非同期的カオス的状態の遷移にどのように寄与するか？

主な発見

• 大規模ネットワークにおける正のリャプノフ指数の和（Λ）は、2ノード系におけるそれによって上限で抑えられ、その上限は結合強度およびネットワークトポロジーに依存する。
• 同一ノードダイナミクスを有するネットワークにおいて、複雑性（Λで測定）は主に相互作用メカニズムに依存し、トポロジー構造には依存しない。
• スケーリング則により、ラプラシアン行列の固有値およびノード接続数（k）を用いて、Λ(N) を Λ(N=2) から予測可能である。
• 非線形結合が支配的である場合（|g/σ| >> 1）、非線形結合強度のスケーリング関係は g(N) = g(N=2)/k となる。
• 線形結合が支配的である場合（|σ/g| >> 1）、線形結合のスケーリング関係は σ(N) = 2σ(N=2)/|γi(N)| となる。
• 2ノード系は普遍的な基準として機能する：Λ > ΛC が N=2 で成り立つならば、スケーリングされた結合を用いればすべての N>2 に対しても Λ > ΛC が成り立ち、ネットワークは UPPER または LOWER 複雑性クラスに分類される。