[論文レビュー] State concentration measure of quickness in Kauffman-type networks

Шун-ичи Амари, Hiroyasu Ando+2 more|arXiv (Cornell University)|Feb 29, 2012

Complex Network Analysis Techniques被引用数 1

ひとこと要約

本稿では、ランダムなブールネットワークおよびマジョリティ投票ネットワークにおけるダイナミクスの速さを定量化するための新しい状態濃縮指標を導入する。この指標は、状態遷移グラフにおける平均tステップ先祖の指数に基づく。解析の結果、極めてスパースなブールネットワークおよび任意の密度のマジョリティ投票ネットワークは、長尾型のイン-degree分布のおかげで高い速さを達成するが、速さと耐性の両立を実現するのは、比較的密度の高いマジョリティ投票ネットワークに限られることが明らかになった。

ABSTRACT

We study the dynamics of randomly connected networks composed of binary Boolean elements and those composed of binary majority vote elements. We elucidate their differences in both sparsely and densely connected cases. The quickness of large network dynamics is usually quantified by the length of transient paths, an analytically intractable measure. For discrete-time dynamics of networks of binary elements, we address this dilemma with an alternative unified framework by using a concept termed state concentration, defined as the exponent of the average number of t-step ancestors in state transition graphs. The state transition graph is defined by nodes corresponding to network states and directed links corresponding to transitions. Using this exponent, we interrogate the dynamics of random Boolean and majority vote networks. We find that extremely sparse Boolean networks and majority vote networks with arbitrary density achieve quickness, owing in part to long-tailed in-degree distributions. As a corollary, only relatively dense majority vote networks can achieve both quickness and robustness.

研究の動機と目的

• 大規模なネットワークダイナミクスにおける一時的パス長の解析的非可解性に対処すること。
• ランダムな2値要素ネットワークにおける離散時間ダイナミクスの速さを統一的に測定するフレームワークを構築すること。
• 異なる接続密度におけるランダムなブールネットワークとマジョリティ投票ネットワークのダイナミカルな挙動を比較すること。
• このようなネットワークで速さ（速さ）と耐性（レジリエンス）の両立を可能にする構造的条件を同定すること。

提案手法

• ノードがネットワークの状態を表し、有向辺が状態遷移を表す状態遷移グラフを定義する。
• 状態遷移グラフにおける平均tステップ先祖の指数として、状態濃縮指標を導入する。
• この指数を用いて、時間経過に伴うネットワーク状態の収束または発散の速度を測定し、一時的長さの代理指標とする。
• 2値ブール要素およびマジョリティ投票要素からなるスパースおよび密な接続ネットワークを分析する。
• ネットワークタイプ間でのダイナミカルな速さの差を説明するために、イン-degree分布に焦点を当てる。
• 異なるネットワーク密度および更新ルール間でダイナミクスを比較するために、状態濃縮指標を適用する。

実験結果

リサーチクエスチョン

• RQ1 大規模ネットワークダイナミクスの速さを、解析的に扱える方法でどのように定量化できるか？
• RQ2 どのような構造的特徴が、ランダムなブールネットワークおよびマジョリティ投票ネットワークにおける高速収束を可能にするか？
• RQ3 なぜ極めてスパースなブールネットワークおよび任意の密度のマジョリティ投票ネットワークが、高い速さを示すのか？
• RQ4 マジョリティ投票ネットワークでは、速さと耐性の間でどのようなトレードオフが存在するのか？
• RQ5 イン-degree分布は、これらのネットワークのダイナミカルな挙動にどのように影響を与えるか？

主な発見

• 極めてスパースなブールネットワークは、状態遷移グラフにおける長尾型イン-degree分布のおかげで高い速さを達成する。
• 任意の接続密度を持つマジョリティ投票ネットワークも、再び長尾型イン-degree分布のおかげで高い速さを達成する。
• 速さと耐性の両方を同時に達成できるのは、比較的密度の高いマジョリティ投票ネットワークに限られる。
• 状態濃縮指標は、大規模ネットワークの一時的ダイナミクスを統一的かつ解析的に扱える形で的確に捉えている。
• 平均tステップ先祖の指数は、一時的長さの信頼できる代理指標として機能し、ネットワークタイプ間での比較分析を可能にする。
• 本研究では、長尾型イン-degree分布が、ランダム2値ネットワークにおける高速なダイナミクスの主要な構造的要因であることが明らかになった。