[論文レビュー] Key to Network Controllability

Soumya Banerjee, Soumen Roy|arXiv (Cornell University)|Sep 17, 2012

Complex Network Analysis Techniques参考文献 4被引用数 9

ひとこと要約

本稿では、ネットワークの制御可能性が局所的な次数分布よりも、グローバルな距離に基づく中心性指標（近接性（CC）と媒介性（BC））によってよりよく予測できることを提案している。本稿では、$X = \langle C \rangle + \langle B \rangle / \langle C \rangle$ という合成指標を導入し、ドライバーノードの割合 $n_D$ と強く相関しており、最大マッチングに代わる計算効率の高い代替手法を提供するとともに、生物学的・実世界のネットワークにおける制御可能性の違いを説明できる。

ABSTRACT

Liu et al recently proposed a minimum number of driver nodes needed to obtain full structural controllability over a directed network. Driver nodes are unmatched nodes, from which there are directed paths to all matched nodes. Their most important assertion is that a system's controllability is to a great extent encoded by the underlying network's degree distribution, $P(k_{in}, k_{out})$. Is the controllability of a network decided almost completely by the immediate neighbourhood of a node, while, even slightly distant nodes play no role at all? Motivated by the above question, in this communication, we argue that an effective understanding of controllability in directed networks can be reached using distance based measures of closeness centrality and betweenness centrality and may not require the knowledge of local connectivity measures like in-degree and out-degree.

研究の動機と目的

• ネットワーク制御可能性が主に局所的なインデグリーやアウトデグリー分布によって決定されるという仮定に挑戦すること。
• 近接性や媒介性中心性といったグローバルな距離に基づく指標が、有向ネットワークにおける制御可能性をよりよく予測できるかどうかを調査すること。
• ドライバーノードの数を推定するための最大マッチングの計算効率の良い代替手法を開発すること。
• 次数相関を超えたネットワーク構造が制御可能性に与える影響を評価すること。
• 次数分布を保持するエッジスワップ手順において、制御可能性の予測の頑健性を評価すること。

提案手法

• 近接性中心性 $C_i = \frac{N-1}{\sum_j d(i,j)}$ を、他のすべてのノードへの平均距離の逆数として定義する。
• 媒介性中心性 $B_i = \sum_{s \neq i \neq t} \frac{\sigma_{st}(i)}{\sigma_{st}}$ を、ノード $i$ を通る最短経路の割合として定義する。
• $\langle B \rangle \neq 0$ の場合、$X(\mathcal{C}, \mathcal{B}) = \langle C \rangle + \frac{\langle B \rangle}{\langle C \rangle}$ を導入し、$\langle B \rangle = 0$ の場合は $X = \{\langle C \rangle$ として、ネットワークの制御可能性を定量化する合成指標を提案する。
• インデグリーおよびアウトデグリー分布を保持しつつ $X$ を増加させるエッジスワップ手順を用い、制御可能性の頑健性をテストする。
• 32個の実世界ネットワークにおいて、$X$ を用いた予測された $n_D$（ドライバーノードの割合）と、最大マッチングによる実際の $n_D$ を比較する。
• チェーン、完全連結、スターベースのグラフにおける構造的差異を、$X$ と $n_D$ を用いて分析する。

実験結果

リサーチクエスチョン

• RQ1 近接性および媒介性中心性は、インデグリーおよびアウトデグリー分布よりも、ネットワーク制御可能性をより正確に予測できるか？
• RQ2 合成指標 $X = \langle C \rangle + \langle B \rangle / \langle C \rangle$ は、多様なネットワークタイプにおいてドライバーノードの割合 $n_D$ とどの程度相関するか？
• RQ3 次数分布を保持するが構造を変更するエッジスワップにおいて、制御可能性はどの程度変化するか？
• RQ4 次数を保存するランダムネットワークの一部では、予測された $n_D$ と実際の $n_D$ の間に顕著な乖離が生じる理由は何か？
• RQ5 $X$ は、最大マッチングの代替として信頼性があり、低コストなプロキシとして機能できるか？

主な発見

• 指標 $X = \langle C \rangle + \langle B \rangle / \langle C \rangle$ は、ドライバーノードの割合 $n_D$ と強い逆相関を示しており、$X$ の値が高くなるほど $n_D$ が低くなることを示している。
• サイズ $N=4$ のチェーンおよび完全連結グラフの両方で、$n_D = 1/4$ であるが、次数分布は著しく異なるため、次数だけでは制御可能性を予測できないことが示された。
• リトルロックの食物連鎖ネットワークでは、35%減少するまでに12%のエッジスワップで $n_D$ が減少したが、これは Liu らの予測（このようなスワップでは $n_D$ はほぼ一定である）に反する。
• 転写制御、代謝、神経ネットワークでは、それぞれ $X$ 値が約 0.003、0.2、0.33 であり、制御可能性に明確な段階的差異があることを示している。
• 提案された指標 $X$ は、最大マッチングに代わる計算効率の高い代替手段を提供し、複雑な組み合わせ最適化を回避できる。
• $X$ 値が大きいネットワーク（密度の高い、またはチェーンに類似した構造）は制御が容易である一方、$X$ 値が小さいスターネットワークではより多くのドライバーノードを必要とする。