[論文レビュー] Partial Phase Cohesiveness in Networks of Kuramoto Oscillator Networks

Yuzhen Qin, Yu Kawano+2 more|arXiv (Cornell University)|Jun 3, 2019

Nonlinear Dynamics and Pattern Formation参考文献 28被引用数 7

ひとこと要約

本稿では、インクリメンタル $\ell^2$- および $\ell^\infty$-ノルムに基づくリャプノフ解析を用いて、2段階構造のカーマトウオシレーター・ネットワークにおける部分的位相一貫性の新しい十分条件を提案する。一般化補グラフを導入することで、重み付きで非完全なネットワークに対して明示的かつより緩い保守的でない条件を導出し、吸引領域を拡大するとともに、サブネットワーク内での強い局所的結合が部分的同期を駆動することを明らかにした。実験ではヒト脳の解剖学的データを用いて検証された。

ABSTRACT

Partial, instead of complete, synchronization has been widely observed in various networks including, in particular, brain networks. Motivated by data from human brain functional networks, in this technical note, we analytically show that partial synchronization can be induced by strong regional connections in coupled subnetworks of Kuramoto oscillators. To quantify the required strength of regional connections, we first obtain a critical value for the algebraic connectivity of the corresponding subnetwork using the incremental 2 norm. We then introduce the concept of the generalized complement graph, and obtain another condition on the weighted nodal degree by using the incremental infinity norm. Under these two conditions, regions of attraction for partial phase cohesiveness are estimated in the forms of the incremental 2 and infinity norms, respectively. Our result based on the incremental infinity norm is the first known criterion that is applicable to non-complete graphs. Numerical simulations are performed on a two-level network to illustrate our theoretical results; more importantly, we use real anatomical brain network data to show how our results may reveal the interplay between anatomical structure and empirical patterns of synchrony.

研究の動機と目的

• 脳に類似したネットワークにおける部分的位相一貫性を可能にするメカニズムを特定すること、特にグローバル同期が存在しない状況でのメカニズムを同定すること。
• 従来の方法が暗黙的または保守的であるため、重み付きで非完全なネットワークにおける部分的同期の解析という課題に取り組むこと。
• インクリメンタル $\ell^2$- および $\ell^\infty$-ノルムに基づくリャプノフ関数を用いて、局所的同期のための明示的かつ計算可能な条件を開発すること。
• 強力な地域的結合と解剖学的ネットワーク構造が、ヒト脳機能的ネットワークで観察される実験的同期パターンをどのように規定するかを示すこと。

提案手法

• サブネットワークの代数的連結度 $\lambda_2(L)$ に依存する十分条件を導出するために、インクリメンタル $\ell^2$-ノルムリャプノフ関数を用いる。
• インクリメンタル $\ell^\infty$-ノルムを用いて、スケールに依存しない明示的条件を可能にするために、一般化補グラフの概念を導入する。
• $\ell^\infty$-ノルムを用いて、位相一貫性の吸引領域および最終有界性を推定し、従来の暗黙的基準の限界を克服する。
• DTIデータから得られる重み付き隣接行列を用いて、局所的全結合（1つの領域に10個のオシレーター）と疎な領域間結合を持つ2段階ネットワークとして脳をモデル化する。
• 領域固有の結合強度を有する66ノードの解剖学的脳ネットワーク上でダイナミクスをシミュレートし、理論的予測を検証する。
• 理論的結果を、シミュレートされた位相一貫性と実測の順序パラメータの大きさおよび領域内位相差を比較することで検証する。

実験結果

リサーチクエスチョン

• RQ1 2段階構造を持つカーマトウオシレーター・ネットワークにおいて、どのような条件下で部分的位相一貫性が出現するか？
• RQ2 強い地域的結合は、サブネットワーク内での部分的同期の出現にどのように影響するか？
• RQ3 インクリメンタル $\ell^\infty$-ノルム解析を用いて、重み付きで非完全なグラフに対して、明示的かつ非保守的な部分的一貫性の条件を導出可能か？
• RQ4 一般化補グラフは、部分的同期の吸引領域を推定するために果たす役割は何か？
• RQ5 解剖学的脳ネットワークの特性と局所的結合強度が、観察された部分的同期パターンをどのように共同で決定するか？

主な発見

• 自然周波数の不均一性や外部結合強度が顕著な場合、$\ell^\infty$-ノルムアプローチは $\ell^2$-ノルム法よりもはるかに保守的でない部分的位相一貫性の十分条件をもたらす。
• $\ell^\infty$-ノルムを用いて推定された吸引領域は、$\ell^2$-ノルムで得られたものよりも顕著に広く、実用的応用性が向上する。
• サブネットワーク内での強い局所的結合（例：領域9, 30, 33で $K^p = 8$）は、領域間結合が弱いか中程度であっても、部分的位相一貫性を誘発する。
• 実ヒト脳の解剖学的データを用いたシミュレーションでは、領域9, 30, 33は順序パラメータの大きさ $r \approx 0.6$ を達成するが、グローバルな $r \approx 0.15$ にとどまるため、部分的同期が確認された。
• 局所的結合が弱い領域（例：$K^p = 0.1$）は、強力な領域間結合（例：$a_{2,23} = 52.8$）があっても同期しないことが示され、内部結合の強さの必要性が強調された。
• 理論的枠組みは、従来の $\ell^2$-ノルム基準よりも、重み付き非完全ネットワークにおいてより鋭い完全同期の結果に還元される。