[論文レビュー] Introduction to Random Boolean Networks

Carlos Gershenson|arXiv (Cornell University)|Aug 2, 2004

Cellular Automata and Applications参考文献 52被引用数 90

ひとこと要約

このチュートリアルでは、人工生命や遺伝子調節機構を含む複雑系の研究のための一般枠組みとして、ランダムブールネットワーク（RBNs）を紹介する。RBNsは、固定された論理関数を持つランダムに接続されたブールノードから構成され、接続性（K）に応じて秩序的、カオス的、臨界的動的挙動を示す。主な発見として、臨界性はK ≈ 1.5付近に出現し、それが生きている系と類似した頑健で適応的な挙動を可能にする。

ABSTRACT

The goal of this tutorial is to promote interest in the study of random Boolean networks (RBNs). These can be very interesting models, since one does not have to assume any functionality or particular connectivity of the networks to study their generic properties. Like this, RBNs have been used for exploring the configurations where life could emerge. The fact that RBNs are a generalization of cellular automata makes their research a very important topic. The tutorial, intended for a broad audience, presents the state of the art in RBNs, spanning over several lines of research carried out by different groups. We focus on research done within artificial life, as we cannot exhaust the abundant research done over the decades related to RBNs.

研究の動機と目的

• 特定の機能性や接続性を仮定せずに、RBNsを複雑系を研究する一般モデルとして広める。
• RBN研究の最新動向を提示し、人工生命分野の応用および一般的ネットワーク特性に焦点を当てる。
• RBNsにおける秩序的・カオス的・臨界的相の違いを明確にし、それらが生物学的系に与える関連性を説明する。
• アトラクタ動的挙動や更新スキームを含む、RBNsのシミュレーションと解析のためのツールおよびフレームワークを提供する。
• エナサンブル研究、データマイニング、進化可能性および適応性のモデリングを含む、RBNs分野における今後の研究方向性を同定する。

提案手法

• RBNsは、N個のノードから構成され、各ノードは二値状態（0または1）をとり、K個のランダムに選択された入力ノードと固定されたブール論理関数に従う。
• 各ノードについて、2^(2^K)個の可能な関数の中からランダムに論理関数が選ばれ、接続はクエンチド（時間経過で固定）である。
• 標準では同期的更新が用いられ、すべてのノードが前の状態に基づいて同時に更新され、決定論的動的挙動が生じる。
• ネットワークは状態遷移を経て、サイクルまたは固定点に到達し、これをアトラクタと呼ぶ。それらに至る状態の集合はアトラクタ盆地と呼ばれる。
• Kを変化させることで相転移を分析する：Kが小さいと秩序的挙動（状態変化が少ない）、Kが大きいとカオス的挙動（多くの変化）、中間のKでは臨界的挙動（バランスの取れた動的挙動）が生じる。
• ネットワーク挙動を特徴付けるために、Derrida曲線、アトラクタサイズ分布、一時的長さ解析といった統計的手法が用いられる。

実験結果

リサーチクエスチョン

• RQ1 ランダムブールネットワーク（RBNs）にどのような一般的な動的相（秩序的、カオス的、臨界的）が出現し、接続性Kにどのように依存するか？
• RQ2 同期的更新と非同期的更新、決定論的と確率的更新といった異なる更新スキームは、RBNsの動的挙動およびアトラクタ構造にどのように影響を与えるか？
• RQ3 RBNsは、遺伝子調節ネットワークのような生物学的系で観察される頑健性と適応性をどの程度正確にモデル化できるか？
• RQ4 RBNsにおけるアトラクタの統計的性質は何か？また、ネットワークサイズNと接続性Kに応じてどのように変化するか？
• RQ5 RBNsは、遺伝子ネットワーク再構築におけるデータマイニングや推論の基盤としてどのように活用できるか？

主な発見

• RBNsは3つの明確な動的相を示す：秩序的（凍結状態、状態変化が少ない）、カオス的（多数の状態変化）、臨界的（バランスの取れた、長時間の遷移を示す）。臨界性はK ≈ 1.5付近に出現する。
• RBNsのアトラクタ構造はKに強く依存する：K < 1では大多数のネットワークが短いアトラクタを持つが、K > 2ではアトラクタが長くなったりカオス的になる。
• RBNsにおける異なるアトラクタの数は、大規模なNに対して2^N / Nに比例する。また、アトラクタ盆地は通常大きく、複雑である。
• Derrida曲線は、秩序的相では小さな摂動がゆっくりと増幅され、カオス的相では指数関数的に増幅され、臨界的相では対数的に増幅されることを示している。
• 同期的更新はより予測可能な動的挙動を生じるが、非同期的更新はネットワークを安定化させ、アトラクタの複雑さを低減する可能性がある。
• 決定論的または準決定論的RBNsは、完全に確率的なバージョンよりも、自然系のモデルとしてより現実的で、複雑さの低減が顕著に見られる。