[論文レビュー] Inverse Modeling of Complex Networks Using Embedded Complex Logistic Maps

Sandy Shaw|ArXiv.org|Dec 23, 2002

Nonlinear Dynamics and Pattern Formation参考文献 47被引用数 3

ひとこと要約

本稿では、時間系列データを最適な適合度を持つ複素ロジスティック写像を用いてウェーブレット的空間へマッピングすることにより、複雑ネットワークの逆問題モデル化のための埋め込み複素ロジスティック写像（ECLM）を提案する。この手法はマンデルブロ集合内のトポロジーを用いて同期パターンを特定し、遺伝子発現ネットワークおよび金融市場ネットワークにおけるシステムパラメータ、ネットワーク図、ダイナミクスの再構築を可能にし、理論と整合的で、同期性およびスケールフリー構造に関する新たな知見をもたらす。

ABSTRACT

An inverse modeling technique is introduced that combines elements of coupled logistic map models and wavelet analysis for the purpose of analyzing partial synchronization states in high-dimensional systems. Using Embedded Complex Logistic Maps (ECLM), time series data derived from individual system components is directly mapped to a wavelet-like space generated from iterations of specific complex logistic maps. These maps are selected from the complex plane according to "best fit" scoring criteria with the data. The embedding topology within and near the familiar Mandelbrot Set provides metrics which are used to aid in clustering similarities (synchronization) between these selected point models. The dynamics within the individual models and the correlation between (synchronized) models is analyzed to reconstruct a unified picture of the underlying dynamics of local system components within the global system network topology. In this paper, ECLM is used to extract system parameters, network graphs, and wavelet-like analytics from two real-world systems, a gene expression network and a financial market network. Preliminary results appear to validate the assumptions and methods used in ECLM through agreement with current theory and recent findings. Some potentially new findings regarding synchronization, scale-free networks, on-off intermittency, and energy dissipation within the examples studied will also be discussed.

研究の動機と目的

• 非線形ダイナミクスとウェーブレットにインspiredされた解析を用いて、高次元の複雑系のための新しい逆問題モデリングフレームワークを開発すること。
• 時間系列データを複素ロジスティック写像の反復に埋め込むことにより、複雑ネットワーク内の同期パターンを同定すること。
• マンデルブロ集合埋め込み空間から導出された指標を用いて、実世界のデータからシステムパラメータとネットワークトポロジーを再構築すること。
• 遺伝子発現や金融市場などの実システムに対して手法を検証し、既存の理論と比較すること。
• スケールフリーなネットワーク特性、オンオフインターミットンシー、複雑ダイナミクスにおけるエネルギー散逸に関する新たな知見を探索すること。

提案手法

• システムの各要素からの時間系列データが、特定の複素ロジスティック写像の反復によって生成されるウェーブレット的空間へマッピングされる。
• 入力時間系列との相対的な「最適適合度」スコアリング基準に基づき、複素平面から複素ロジスティック写像が選択される。
• マンデルブロ集合の近傍および内部の埋め込みトポロジーが、類似したシステム要因をクラスタリングするための幾何的・動的指標を提供する。
• 個々のECLMモデル内およびネットワーク全体におけるダイナミクスの相関を用いて、要因間の同期を評価する。
• 選択されたECLMモデルの集団的挙動とトポロジカル構造を分析することにより、システムパラメータとネットワーク図を再構築する。
• 埋め込みダイナミクスからの多スケール特徴抽出のため、ウェーブレット的アナリティクスが適用される。

実験結果

リサーチクエスチョン

• RQ1 複雑系からの時間系列データを、複素ロジスティック写像を用いた非線形的ウェーブレット的表現に効果的にマッピングする方法は何か？
• RQ2 マンデルブロ集合のトポロジカル構造は、高次元ネットワーク内の同期成分を同定するための指標としてどの程度有効か？
• RQ3 ECLMは、遺伝子発現や金融時間系列などの実世界データから、システムパラメータとネットワークトポロジーを正確に再構築できるか？
• RQ4 ECLM解析から、オンオフインターミットンシーまたはエネルギー散逸といった、新たな動的特徴が実システムで顕在するか？
• RQ5 ECLMフレームワークは、既存手法と比較して、スケールフリーなネットワーク特性および部分的同期状態をどの程度うまく捉えられるか？

主な発見

• ECLM手法は、遺伝子発現ネットワークおよび金融市場ネットワークの両方において、システムパラメータとネットワーク図を成功裏に再構築し、現在の理論的期待と整合的であった。
• ECLM指標を用いて同定された同期パターンは、既知の生物学的および市場ダイナミクスと強く相関しており、手法の信頼性が裏付けられた。
• 解析により、金融市場ネットワークにオンオフインターミットンシーの証拠が明らかとなり、一時的な協調的行動の爆発的発現を示唆した。
• エネルギー散逸パターンは、再構築されたネットワークの構造的特徴と相関していたことから、ダイナミクスとトポロジーの間に相関があることが示唆された。
• 手法により、複雑系の既知の特性に一致するスケールフリーなネットワーク構造の特徴が明らかになった。
• 予備的な結果から、ECLMは標準的な時間系列解析では容易に見えない、微細な動的遷移および隠れた相関を検出できる可能性があることが示唆された。