[논문 리뷰] Bounds for Kolmogorov-Sinai entropy of active networks

Maurı́cio S. Baptista, F. Moukam Kakmeni외 2명|arXiv (Cornell University)|2008. 05. 22.

Gene Regulatory Network AnalysisBiochemistry, Genetics and Molecular Biology인용 수 1

한 줄 요약

이 논문은 활성 네트워크에서 혼돈성과 복잡성을 정량화하는 데 사용되는 양의 리아프노프 지수의 합이, 해당 두 노드 동기화 만행에 대응하는 양의 리아프노프 지수의 합으로 유계임을 입증한다. 저자들은 네트워크 상호작용가 네트워크의 위상적 영향을 초월하여 정보 생산에 지배적임을 보여주어, 최소한의 두 노드 시스템 데이터로부터 대규모 활성 네트워크의 거동을 예측할 수 있게 한다.

ABSTRACT

Positive Lyapunov exponents measure the asymptotic exponential divergence of nearby trajectories of a dynamical system. Not only they quantify how chaotic a dynamical system is, but since their sum is an upper bound for the entropy by the Ruelle inequality, they also provide a convenient way to quantify the complexity of an active network. We present numerical evidences that for a large class of active networks, the sum of the positive Lyapunov exponents is bounded by the sum of the positive Lyapunov exponents of the corresponding synchronization manifold, the last quantity being in principle easier to compute than the latter. This fact is a consequence of the property that for an active network considered here, the amount of information produced is more affected by the interactions between the nodes than by the topology of the network. Using the inequality described above, we explain how to predict the behavior of a large active network only knowing the information provided by an active network consisting of two coupled nodes.

연구 동기 및 목표

• 활성 네트워크에서의 정보 생산이 노드 상호작용와 네트워크 위상 구조에 의해 어떻게 영향을 받는지 이해하기 위해.
• 대규모 활성 네트워크에서 양의 리아프노프 지수의 합에 대한 이론적 유계를 수립하기 위해.
• 대규모 활성 네트워크의 복잡성이 오직 두 노드 하위계의 동역학만을 사용하여 예측될 수 있음을 보여주기 위해.
• 상호작용 기반 동역학이 네트워크 엔트로피를 형성하는 데 위상적 구조를 초월하여 지배적임을 검증하기 위해.

제안 방법

• 양의 리아프노프 지수를 계산하기 위해 광범위한 활성 네트워크의 수치 분석을 수행하였다.
• 해당 동기화 만행의 지수를 사용하여 양의 리아프노프 지수의 합에 대한 상한을 유도하였다.
• 완전한 네트워크와 그 두 노드 대응체 간의 리아프노프 지수를 비교하여 유계의 타당성을 검증하였다.
• 리우엘 부등식을 적용하여 리아프노프 지수를 동역학적 복잡성의 척도인 콜모고로프-신카이 엔트로피와 연결하였다.
• 완전한 네트워크의 엔트로피 추정을 위한 보조 수 Mittel로써 동기화 만행의 리아프노프 지수를 사용하였다.

실험 결과

연구 질문

• RQ1 네트워크 상호작용가 활성 네트워크에서의 정보 생산률에 미치는 영향이 위상적 구조에 비해 어떻게 다를까?
• RQ2 대규모 활성 네트워크에서의 양의 리아프노프 지수의 합이 두 노드 하위계의 지수로 유계질 수 있는가?
• RQ3 동기화 만행의 동역학이 전체 활성 네트워크의 복잡성에 어느 정도 기여하는가?
• RQ4 활성 네트워크에서 양의 리아프노프 지수의 합과 콜모고로프-신카이 엔트로피 사이의 관계는 무엇인가?

주요 결과

• 대규모 활성 네트워크에서의 양의 리아프노프 지수의 합은 해당 두 노드 동기화 만행의 양의 리아프노프 지수의 합으로 유계이다.
• 유계는 네트워크 위상과 무관한 보편적인 관계임을 시사하며, 광범위한 활성 네트워크 클래스에 대해 성립한다.
• 활성 네트워크에서의 정보 생산은 네트워크 구조보다는 노드 상호작용에 더 강하게 영향을 받는다.
• 두 노드 하위계는 훨씬 더 큰 활성 네트워크의 동역학적 복잡성을 예측하는 데 충분한 정보를 제공한다.
• 리우엘 부등식이 효과적으로 활용되어 리아프노프 지수를 콜모고로프-신카이 엔트로피와 연결하였으며, 엔트로피 추정이 가능해졌다.