[論文レビュー] Universality of the SIS prevalence in networks

Piet Van Mieghem|arXiv (Cornell University)|Dec 5, 2016

Opinion Dynamics and Social Influence参考文献 22被引用数 5

ひとこと要約

本稿では、ネットワークの隣接行列の固有値分解を用いて導出された、ネットワーク上における感受性・感染性・感受性（SIS）疫学モデルの有病率の普遍的解析的曲線を提案する。この手法は、多様なネットワーク構造や感染ダイナミクス（非一様な感染率、時変ネットワーク、自己感染を含む）において、時間的に変化する有病率を拘束し、平均場近似と同等の精度を達成するとともに、感染率行列の最大固有値によって制御される相転移閾値を明らかにする。

ABSTRACT

Epidemic models are increasingly used in real-world networks to understand diffusion phenomena (such as the spread of diseases, emotions, innovations, failures) or the transport of information (such as news, memes in social on-line networks). A new analysis of the prevalence, the expected number of infected nodes in a network, is presented and physically interpreted. The analysis method is based on spectral decomposition and leads to a universal, analytic curve, that can bound the time-varying prevalence in any finite time interval. Moreover, that universal curve also applies to various types of Susceptible-Infected-Susceptible (SIS) (and Susceptible-Infected-Removed (SIR)) infection processes, with both homogenous and heterogeneous infection characteristics (curing and infection rates), in temporal and even disconnected graphs and in SIS processes with and without self-infections. The accuracy of the universal curve is comparable to that of well-established mean-field approximations.

研究の動機と目的

• 任意の有限ネットワークにおけるSIS疫病の時間的に変化する有病率を拘束する普遍的かつ解析的な曲線を特定すること。
• 非一様な感染および回復率、非連結グラフ、時変ネットワークを含むSISおよびSIRプロセスの分析を統一すること。
• 平均場仮定に依存せず、物理的に解釈可能なスペクトルに基づく近似を提供し、有病率ダイナミクスを捉えること。
• 自己感染が存在する場合でも、有病率行動が有効感染率行列の最大固有値によって普遍的に支配されることを示すこと。

提案手法

• 重み付き隣接行列 $\widetilde{A}$ のスペクトル分解を用い、$\widetilde{a}_{ij} = \beta_{ij}a_{ij}$ と定義することで、無向かつ非重み付きネットワーク上のSISプロセスを分析する。
• マルコフ連鎖SISダイナミクスと期待値作用素による線形化を用いて、期待有病率 $y(t) = \mathbb{E}[S(t)]$ の微分方程式を導出する。
• 時間的極値解析を適用し、スペクトル補正 $R_k$ と剰余 $\Psi_k$ を含む二次方程式を解くことにより、有病率の上限を導出する。
• 自己感染をモデル化するためのパラメータ $\varepsilon^*$ を導入し、吸収状態は $\varepsilon^* \to 0$ の極限でのみ存在することを示し、$\varepsilon^* > 0$ の場合にはこれを回避する。
• 自己感染が存在する場合、恒常状態を維持するためには有効感染率 $\tau$ が $\tau(\varepsilon^*) > \tau(0)$ の閾値を超える必要があることを確立する。
• 削減された隣接行列の最大固有値 $\mu_{N-k}$ を用いて、SISモデルにおける相転移の臨界閾値を定義する。

実験結果

リサーチクエスチョン

• RQ1 すべてのネットワークタイプおよび感染ダイナミクスにわたって、SIS疫病の時間的に変化する有病率を記述する単一の普遍的解析的曲線が存在するか？
• RQ2 自己感染（$\varepsilon^* > 0$）の導入が、吸収状態の存在および恒常状態の臨界閾値にどのように影響するか？
• RQ3 感染率行列のスペクトル半径が、非一様なSISモデルにおける有病率行動をどの程度決定づけるか？
• RQ4 $\varepsilon^* \to 0$ の極限がなぜ吸収状態を生じるのか、そして有限ネットワークにおける定常状態有病率にどのように影響するのか？

主な発見

• 時間的極値有病率 $y_\pm(p;\tau,\varepsilon^*)$ は、スペクトル補正 $R_k$ と剰余 $\Psi_k$ を含む二次方程式の解として導出され、実際の有病率の上限を提供する。
• 自己感染が存在する場合（$\varepsilon^* > 0$）、恒常状態を維持するための有効感染率 $\tau(\varepsilon^*)$ は $\tau(0)$ よりも厳密に大きい。これは吸収状態が存在しないためである。
• 有効感染率 $\varepsilon$-SISモデルの定常状態有病率は、正の根 $y_+(p;\tau,\varepsilon^*)$ に一致し、マルコフ連鎖理論において一意的かつ安定である。
• $\varepsilon^* \to 0$ の極限において、時間的極値有病率は双曲正接関数で記述される準安定状態に収束し、既存の平均場結果と一致する。
• 判別式条件 $\left(\tau\mu_{N-k} - (1+\varepsilon^*)\right)^2 - 4\tau\mu_{N-k}\Psi_k \geq 0$ が実数解の領域を定義し、したがって有病率の上限が有効な時間間隔を示す。
• 本手法は、確立された平均場近似と同等の精度を達成するとともに、ネットワーク固有値を用いた厳密なスペクトル的基盤と物理的解釈を提供する。