[論文レビュー] Robustness and Directed Structures in Ecological Flow Networks

Taichi Haruna|arXiv (Cornell University)|Jun 26, 2013

Complex Network Analysis Techniques参考文献 23被引用数 4

ひとこと要約

本稿は、生態的フローネットワークにおける現実的ネットワーク構造が、ランダムなアーク障害下での頑健性に与える影響を調査し、側面的接続性（ラテラル接続性）による整合性と、強い接続性（ストロング接続性）による循環性という2つの機能的側面に焦点を当てる。構成モデルを用いた理論的パーコレーションモデルを通じて、現実的な次数分布は整合性の頑健性を高めるが、循環性の頑健性を低下させることを明らかにした。これは生物学的システムのネットワーク設計において根本的なトレードオフを示している。

ABSTRACT

Robustness of ecological flow networks under random failure of arcs is considered with respect to two different functionalities: coherence and circulation. In our previous work, we showed that each functionality is associated with a natural path notion: lateral path for the former and directed path for the latter. Robustness of a network is measured in terms of the size of the giant laterally connected arc component and that of the giant strongly connected arc component, respectively. We study how realistic structures of ecological flow networks affect the robustness with respect to each functionality. To quantify the impact of realistic network structures, two null models are considered for a given real ecological flow network: one is random networks with the same degree distribution and the other is those with the same average degree. Robustness of the null models is calculated by theoretically solving the size of giant components for the configuration model. We show that realistic network structures have positive effect on robustness for coherence, whereas they have negative effect on robustness for circulation.

研究の動機と目的

• 生態的フローネットワークの現実的構造的特徴が、ランダムなアーク障害下での頑健性に与える影響を理解すること。
• 有向生態的ネットワークにおける整合性（ラテラル接続性）と循環性（ストロング接続性）の頑健性を区別すること。
• 実際のネットワーク構造の影響を数量化すること。具体的には、同一の次数分布を持つランダムネットワークと、同一の平均次数を持つネットワークという2つのノンモデルと比較すること。
• 現実的ネットワーク特徴が、生態的システムにおける異なる機能的役割に対して、頑健性を向上させるか、低下させるかを明らかにすること。

提案手法

• 任意の結合イン・アウト次数分布を持つ有向ネットワークに対して、構成モデルを用いたパーコレーションの理論的分析。
• 生成関数を用いて、ランダムなアーク除去下での巨大側面的接続アーク成分（GLCC）および巨大強連結アーク成分（GSCC）のサイズを導出する。
• 構成モデルを用いて、ノンモデルの頑健性指標を計算する。1つは同一の次数分布、もう1つは同一の平均次数を持つもの。
• 1000回のランダムなアーク除去シーケンスの平均をとることで、実際の生態的フローネットワークにおけるGLCCおよびGSCCサイズをシミュレーションベースで推定する。
• 実際のネットワークとノンモデルとの比較のための頑健性補完比を定義し、現実的構造の影響を分離する。
• 生成関数形式を用いて、構成モデルにおける臨界閾値および成分サイズを解く。

Figure 1: An example of lateral path.

実験結果

リサーチクエスチョン

• RQ1 現実的ネットワーク構造は、側面的接続性（ラテラル接続性）に関する生態的フローネットワークの頑健性にどのように影響するか？
• RQ2 現実的ネットワーク構造は、循環性（ストロング接続性）に関する生態的フローネットワークの頑健ティにどのように影響するか？
• RQ3 次数分布そのものが、実際のネットワークとノンモデルとの間で観察される頑健性の差をどれほど説明できるか？
• RQ4 生態的ネットワークにおいて、整合性の頑健性と循環性の頑健性の間にはトレードオフが存在するか？
• RQ5 構成モデルは、実際の生態的フローネットワークがランダム障害にさらされた際の頑健性行動を正確に予測できるか？

主な発見

• 現実的ネットワーク構造は、巨大側面的接続成分（GLCC）を用いた測定において、整合性の頑健性を顕著に向上させる。頑健性補完比は、強い正の効果を示している。
• 一方で、現実的な次数分布は、巨大強連結成分（GSCC）を用いた測定において、循環性の頑健性を低下させる。頑健性補完比 $ R_S $ は、大多数のケースで負の値を示している。
• GLCCの頑健性向上は、すべてのネットワークタイプにおいてほぼ1に近い。なぜなら、ポisson的ノンモデルですでに $ R_L \approx 0.5 $ を達成しているため、現実的構造はわずかだが一貫した改善をもたらしていると考えられる。
• GSCCに関しては、現実的な次数分布が頑健性の低下を引き起こす主因であり、解析された10のネットワークすべてで $ R_S $ 値が1未満であることが一貫して確認された。
• 整合性と循環性における頑健性の逆転する傾向は、根本的なトレードオフを示している。すなわち、同一の障害メカニズム下でも、ある機能に関しては頑健である一方、別の機能に関しては脆弱である。
• 結果は、生態的ネットワークが『自己触媒的視点』に合致しており、複雑で非ランダムな構造が特定のダイナミクスモードでは安定性を促進するが、他のモードでは脆弱性を増大させることを支持している。

Figure 2: Four excess degree distributions. See the main text for details.