[논문 리뷰] Decentralised adaptive-gain control for eliminating epidemic spreading on networks

Liam Walsh, Mengbin Ye외 2명|arXiv (Cornell University)|2023. 05. 26.

Complex Network Analysis Techniques인용 수 4

한 줄 요약

이 논문은 네트워크 SIS 모델에서 전염병 확산을 제거하기 위한 탈중앙화된 적응형 이득 제어 법칙을 제안한다. 각 노드는 독립적으로 미분방정식을 통해 제어 이득을 조정하여 감염률을 낮추거나 회복률을 높인다. 이 방법은 네트워크 구조에 대한 필수적이고 충분한 조건이 충족되면, 전체 네트워크가 제어되지 않더라도 유한하고 양수인 이득을 통해 전 세계적 질병 제거를 보장한다.

ABSTRACT

This paper considers the classical Susceptible--Infected--Susceptible (SIS) network epidemic model, which describes a disease spreading through $n$ nodes, with the network links governing the possible transmission pathways of the disease between nodes. We consider feedback control to eliminate the disease in scenarios where the disease would otherwise persist in an uncontrolled network. We propose a family of decentralised adaptive-gain control algorithms, in which each node has a control gain that adaptively evolves according to a differential equation, independent of the gains of other nodes. The adaptive gain is applied multiplicatively to either decrease the infection rate or increase the recovery rate. To begin, we assume all nodes are controlled, and prove that both infection rate control and recovery rate control algorithms eliminate the disease with the limiting gains being positive and finite. Then, we consider the possibility of controlling a subset of the nodes, for both the infection rate control and recovery rate control. We first identify a necessary and sufficient condition for the existence of a subset of nodes, which if controlled would result in the elimination of the disease. For a given network, there may exist several such viable subsets, and we propose an iterative algorithm to identify such a subset. Simulations are provided to demonstrate the effectiveness of the various proposed controllers.

연구 동기 및 목표

• 정적이고 중심집중형 제어의 한계를 해결하기 위해 동적이고 탈중앙화된 피드백 제어를 제안한다.
• 기본 복제수 R₀ > 1인 SIS 네트워크 모델에서, 각 노드의 국지적 정보만을 사용하여 질병 제거를 가능하게 한다.
• 전체 네트워크 제어가 불가능한 상황에서도 질병을 퇴치할 수 있는 최소 제어 노드 집합을 규명한다.
• 각 노드별로 연속적이고 독립적으로 진화하는 적응형 이득 메커니즘을 설계하여 강건성과 확장성을 확보한다.
• 네트워크 구조와 사이클 이득에 기반하여 타당한 제어 노드 집합을 체계적으로 식별하는 알고리즘을 제공한다.

제안 방법

• 각 노드는 다른 노드의 이득과 독립적으로 진화하는 미분방정식에 의해 지배되는 탈중앙화된 적응형 이득을 사용한다.
• 제어 이득은 각 노드에서 감염률(감염률 제어) 또는 회복률(회복률 제어)을 곱으로 수정한다.
• 전체 네트워크 제어의 경우, 적응형 이득 동역학은 양수이자 유한한 극한으로 수렴하여 시스템을 질병 없는 평형 상태로 이끈다.
• 부분 제어의 경우, 두 단계 알고리즘이 최소 제어 노드 집합을 식별한다: 첫 번째로, dᵢ < bᵢᵢ인 노드는 반드시 제어되어야 한다; 두 번째로, 사이클 이득 ≥1인 강하게 연결된 구성요소를 분석하여 핵심 노드를 식별한다.
• 제어되지 않은 부분계의 안정성을 평가하기 위해 행렬 −D₁ + B₁₁의 스펙트럴 추축을 사용하며, 노드 선택 후 허리츠 성질을 보장한다.
• 이 방법은 단순 사이클의 그래프 이론적 분석과 사이클 이득의 합을 활용하여 제어 집합에 포함시켜야 할 노드를 결정한다.

실험 결과

연구 질문

• RQ1 전체 네트워크 지식이 없이도 탈중앙화된 적응형 이득 제어가 네트워크 SIS 모델에서 질병을 제거할 수 있는가?
• RQ2 질병을 퇴치할 수 있는 최소한의 노드 집합은 무엇이며, 그러한 집합은 어떻게 체계적으로 식별할 수 있는가?
• RQ3 네트워크 구조와 사이클 구조는 탈중앙화된 적응형 제어의 수렴성과 효과성에 어떤 영향을 미치는가?
• RQ4 탈중앙화된 제어 하에서 적응형 이득이 양수이자 유한하게 유지되는 조건는 무엇인가?
• RQ5 제어 대상이 되는 노드의 선택은 질병 제거의 수렴 속도에 어떤 영향을 미치는가?

주요 결과

• 전체 네트워크 제어의 경우, 감염률 제어 및 회복률 제어 알고리즘이 모두 적응형 이득이 엄격히 양수이자 유한한 값으로 수렴하도록 하여 시스템을 질병 없는 평형 상태로 이끈다.
• 부분 제어의 경우, 제안된 두 단계 알고리즘이 노드의 차수와 사이클 이득 분석에 기반하여 질병 제거를 보장하는 최소한의 노드 집합을 성공적으로 식별한다.
• 시뮬레이션 결과, 노드 a와 d 또는 a와 f를 제어할 경우 빠른 수렴 속도로 질병이 완전히 제거되었으며, 노드 a만 제어할 경우 전체 네트워크에서 질병이 지속되었다.
• 수렴 속도는 제어 대상 노드의 선택에 따라 크게 달라졌으며, 최대 한 계단 차이가 관찰되어 네트워크 구조가 제어 성능에 미치는 영향을 입증한다.
• 노드 a만 제어된 경우, 이득 gₐ(t)는 0으로 수렴하였고, 노드 c, d, e, f에서는 질병이 만성화되어 추가 제어 노드가 반드시 필요함을 확인한다.
• 적절한 노드 선택 후 −D₁ + B₁₁의 스펙트럴 추축이 0 이하로 내려가며, 제어되지 않은 부분계의 안정성과 질병 퇴치의 가능성 확인됨.