[論文レビュー] Superelliptical laws for complex networks

Stefano Allesina, Elizabeth L. Sander+2 more|arXiv (Cornell University)|Sep 26, 2013

Molecular spectroscopy and chirality参考文献 32被引用数 3

ひとこと要約

本稿では、スパースで不均一な次数構造を示す複雑ネットワークから導出された大規模行列の固有値分布を記述するため、スーパー楕円則を導入する。従来のウィグナーの法則およびギルコの法則が不適切となる状況においても、この法則は、ランダムネットワーク上での対称および非対称行列へと一般化され、固有値が半スーパー楕円的またはスーパー楕円的形状に従うことが示された。また、隣接行列のトレースの高次モーメントを用いた、主固有値を推定する新手法が提案された。

ABSTRACT

All dynamical systems of biological interest--be they food webs, regulation of genes, or contacts between healthy and infectious individuals--have complex network structure. Wigner's semicircular law and Girko's circular law describe the eigenvalues of systems whose structure is a fully connected network. However, these laws fail for systems with complex network structure. Here we show that in these cases the eigenvalues are described by superellipses. We also develop a new method to analytically estimate the dominant eigenvalue of complex networks.

研究の動機と目的

• 複雑ネットワーク構造を有する行列の固有値分布を記述する古典的確率的行列法則（ウィグナーの半円則およびギルコの円則）の不適切さを解消すること。
• 基礎となるネットワークがスパースで次数分布が不均一な場合に、対称および非対称行列に対するウィグナーおよびギルコの法則を一般化すること。
• 複雑ネットワークの主固有値を近似する新たな解析的手法を開発し、既存手法を改善すること。
• 構成モデルを超えて、実世界および合成ネットワークにおけるスーパー楕円則モデルの頑健性を検証すること。
• 生態学、疫学、ネットワーク科学における動的システムに適用可能な理論的かつ計算的フレームワークを提供すること。ここでは固有値が安定性およびダイナミクスを支配する。

提案手法

• 次数分布の2次および4次モーメントでパラメータ化された、半スーパー楕円的固有値密度関数を導出することにより、複雑ネットワーク上での対称行列に対する一般化ウィグナーの半円則を導出する。
• $k$-正則ランダムグラフへのギルコの円則の拡張を行い、固有値が $|x|^n/a^n + |y|^n/b^n \leq 1$ で定義されるスーパー楕円内に一様に分布することを示した。ここで $n$ はネットワークの次数分布によって決定される。
• 隣接行列の高次中心モーメント $\tilde{\mu}_{2j+1} \approx 0$ を設定し、$A^k$ のトレース恒等式を用いて $\lambda_1$ を解くことにより、主固有値 $\lambda_1$ を推定する新手法を提案する。
• 不適切な構造的特徴（モジュールや格子構造など）を避けるために、指定された次数分布を持つランダムネットワークを構成モデルを用いて生成する。
• 行列を $M_{ij} = A_{ij} N_{ij}$ の形で構築し、$A$ を隣接行列とし、$N$ を平均0で制御された分散を持つ独立同分布の2変量正規乱数を有する行列とする。
• 合成ネットワーク（ワッツ・ストロガッツ、バラバシ＝アルバート）および実際の生物学的ネットワーク（C. elegans、食物連鎖、高校生の接触ネットワーク）を用いて結果を検証し、固有値分布および $\lambda_1$ の近似値を比較した。

実験結果

リサーチクエスチョン

• RQ1 複雑ネットワーク構造を有する大規模行列の固有値分布は、ウィグナーの法則およびギルコの法則からどのように逸脱するか？
• RQ2 スーパー楕円的形状は、スパースで不均一な次数を持つネットワーク上での対称および非対称行列の固有値分布を正確に記述できるか？
• RQ3 ネットワーク構造（例：正則対比スケールフリーネットワーク）は、固有値分布の形状および一様性にどのような影響を及けるか？
• RQ4 隣接行列のトレースの高次モーメントを用いることで、既存手法に比べて主固有値 $\lambda_1$ の推定精度が向上するか？
• RQ5 スーパー楕円則モデルおよび新しい $\lambda_1$ 近似手法は、実世界の生物学的および社会的ネットワークにおいてどの程度の性能を示すか？

主な発見

• 複雑ネットワーク上での対称行列に対して、固有値密度は半スーパー楕円的形状に従い、指数 $n$ およびスケール $a$ は次数分布の2次および4次モーメントによって決定される。
• $k$-正則グラフ上での非対称行列に対して、固有値はスーパー楕円内に概ね一様に分布し、その形状はネットワークの次数の正則性によって制御される。
• $\tilde{\mu}_3 \approx 0$ または $\tilde{\mu}_5 \approx 0$ を設定することで $\lambda_1$ を推定する本手法は、バラバシ＝アルバートネットワークおよび実世界の生物学的ネットワークにおいて、チョンらの手法よりも優れた近似を達成する。
• スーパー楕円則モデルは、構成モデルから逸脱するネットワーク構造に対しても、実世界のネットワーク（例：C. elegans神経ネットワーク、ウェッデル海の食物連鎖）における固有値分布を高い精度で捉える。
• トレース恒等式に基づく $A^k$ のモーメント仮定から導かれる、$\lambda_1^5 \approx \text{Tr}(A^5) + \text{低次の項}$ の形の数値的に解ける方程式が $\lambda_1$ の推定に有効である。
• ワッツ・ストロガッツネットワークでは、チョンらの手法が本手法を上回るが、これはモデル特有の最適性を示しており、本手法はスケールフリーおよび実世界のネットワークにおいて優れた性能を示す。