[논문 리뷰] Controllability of temporal networks: An analysis using higher-order networks

Yan Zhang, Antonios Garas외 1명|arXiv (Cornell University)|2017. 01. 23.

Opinion Dynamics and Social Influence인용 수 10

한 줄 요약

이 논문은 시간에 따라 변화하는 네트워크의 제어 가능성을 분석하기 위해 고차원 네트워크 프레임워크를 도입하며, 상호작용 순서 상관관계가 전체 제어 가능성을 가속화하거나 지연시킬 수 있음을 입증한다—이러한 영향은 확산 과정에 미치는 영향과 반대 방향이다. 여섯 개의 실세계 데이터셋에 대한 스펙트럼 분석을 통해 고차원 구조의 특성을 설명함으로써 이 직관에 어긋나는 행동을 해명한다.

ABSTRACT

The control of complex networks is a significant challenge, especially when the network topology of the system to be controlled is dynamic. Addressing this challenge, here we introduce a novel approach which allows exploring the controllability of temporal networks. Studying six empirical data sets, we particularly show that order correlations in the sequence of interactions can both increase or decrease the time needed to achieve full controllability. Counter-intuitively, we find that this effect can be opposite than the effect of order correlations on other dynamical processes. Specifically, we show that order correlations that speed up a diffusion process in a given system can slow down the control of the same system, and vice-versa. Building on the higher-order graphical modeling framework introduced in recent works, we further demonstrate that spectral properties of higher-order network topologies can be used to analytically explain this phenomenon.

연구 동기 및 목표

• 시간에 따라 변화하는 구조를 갖는 복잡한 동적 네트워크를 제어하는 데 도전하는 것.
• 특히 순서 상관관계가 포함된 상호작용의 순서가 전체 네트워크 제어 가능성을 달성하는 데 소요되는 시간에 어떻게 영향을 미치는지 조사하는 것.
• 메모리와 시간적 종속성을 분석적 제어 분석을 위해 포괄하는 고차원 네트워크 모델링 접근법을 개발하는 것.
• 동일한 시간적 상관관계 구조 하에서 제어 과정과 다른 동역학적 과정(예: 확산) 간의 상이한 영향을 설명하는 것.

제안 방법

• 고차원 마르코프 체인을 통해 메모리 효과를 코딩하는 방식으로 시간에 따라 변화하는 네트워크를 고차원 네트워크로 모델링하는 것.
• 실제 상호작용 시퀀스에서 고차원 인접 텐서를 구성하여 시간적 종속성을 표현하는 것.
• 고차원 네트워크 구조의 스펙트럼 특성을 분석하여 제어 가능성 특성에 대한 통찰을 도출하는 것.
• 시간에 따라 변화하는 네트워크 상태에서 제어 가능성 지표를 계산하기 위해 크릴로프 부분공간 방법을 사용하는 것.
• 여섯 개의 실세계 실증 데이터셋을 사용하여 다양한 순서 상관관계 구조 하에서의 제어 가능성 시간을 비교하는 것.
• 고유값 분포와 제어 가능성 역학 간의 관계를 규명하기 위해 스펙트럼 그래프 이론의 분석 도구를 적용하는 것.

실험 결과

연구 질문

• RQ1 상호작용 시퀀스의 순서 상관관계가 시간에 따라 변화하는 네트워크에서 전체 제어 가능성을 달성하는 데 소요되는 시간에 어떻게 영향을 미치는가?
• RQ2 순서 상관관계가 확산 과정을 가속화하는 경우에 네트워크 제어를 늦출 수 있는 이유는 무엇이며, 반대로 역행하는 경우는 어떻게 설명할 수 있는가?
• RQ3 고차원 네트워크 모델이 동일한 시간적 상관관계 구조 하에서 제어 가능성과 확산의 상이한 행동을 설명할 수 있는가?
• RQ4 고차원 구조의 어떤 스펙트럼 특성이 더 빠른 또는 더 느린 제어 가능성을 나타내는가?
• RQ5 실증적인 시간에 따라 변화하는 네트워크가 다양한 실세계 시스템에서 이러한 반대 방향의 영향을 어느 정도 보이는가?

주요 결과

• 상호작용 시퀀스의 순서 상관관계는 네트워크 구조와 상관관계 유형에 따라 전체 제어 가능성을 달성하는 데 소요되는 시간을 감소시키거나 증가시킬 수 있다.
• 순서 상관관계가 제어 가능성에 미치는 영향은 일반적으로 그 영향이 확산 과정에 미치는 영향과 정반대이며, 이는 동역학적 행동 간의 근본적인 차이를 시사한다.
• 고차원 네트워크의 스펙트럼 특성—특히 고유값 분포—는 관측된 제어 가능성 역학에 대한 분석적 설명을 제공한다.
• 이 프레임워크는 실증 데이터셋에서 제어 가능성 성능과 관련된 구조적 패턴을 성공적으로 식별한다.
• 이 직관에 어긋나는 행동은 여섯 개의 다양한 실증 시간 네트워크에서 일관되게 관찰되어 연구 결과의 강건성을 검증한다.
• 본 연구는 기존 마르코프 모델이 제어 가능성과 관련된 역학을 포괄하지 못할 수 있음을 드러내며, 고차원 표현의 필요성을 강조한다.