[논문 리뷰] Higher order degree in simplicial complexes, multi combinatorial Laplacian and applications of TDA to complex networks

Daniel Hernández Serrano, Darío Sánchez Gómez|arXiv (Cornell University)|2019. 08. 02.

Topological and Geometric Data Analysis참고 문헌 22인용 수 4

한 줄 요약

이 논문은 단체 복합체 내 단체에 대한 고차원 인접도 수준—하한, 상한, 일반화된 수준—을 도입하여 에이전트와 커뮤니티 간의 다차원 비교를 가능하게 한다. 다중 매개변수 경계 및 코경계 연산자와 기존 연산자를 일반화하는 새로운 다중조합 라플라시안을 제안하며, 이는 고차원 인접도를 효과적으로 계산할 수 있는 계산적으로 실현 가능한 프레임워크를 제공하여 복잡한 네트워크 내 다중 에이전트 협업을 위상적 데이터 분석을 통해 분석할 수 있도록 한다.

ABSTRACT

Many real networks in social, biological or computer sciences have an inherent structure of a simplicial complex, which reflects the multi interactions among agents (and groups of agents) and constitutes the basics of Topological Data Analysis. Normally, the relevance of an agent in a network of graphs is given in terms of the number of edges incident to it, its degree, and in a simplicial network there are already notions of adjacency and degree for simplices that, as far as we know, are not valid for comparing simplices in different dimensions. We propose new notions of higher order lower, upper and generalised adjacency degrees for simplices in a simplicial complex, allowing any dimensional comparison among them and their faces. New multi parameter boundary and coboundary operators in an oriented simplicial complex are also given and a novel multi combinatorial Laplacian is defined. These operators generalise the known ones and are proved to be an effective tool for calculating the higher order degrees here presented. Thus, this mathematical framework allows us to elucidate the relevance not only of an agent, but of a bunch of them as a simplicial community, and also to study the degree of collaboration between different communities in a simplicial complex. In addition, they are effective and programmable computational techniques. Some potential applications to simplicial Network Science are also proposed.

연구 동기 및 목표

• 단체 복합체 내 단체의 관련성에 대한 다차원 비교 방법의 부족을 해결하기 위해.
• 다른 단체 차원에 걸쳐 적용 가능한 새로운 인접도 및 차수 개념을 정의하기 위해.
• 기울어진 단체 복합체에 대한 다중 매개변수 경계 및 코경계 연산자를 개발하기 위해.
• 기존 라플라시안을 일반화하는 새로운 다중조합 라플라시안을 구축하기 위해.
• 복잡한 네트워크 내 커뮤니티의 관련성과 이중 커뮤니티 협업을 계산적으로 분석할 수 있도록 하기 위해.

제안 방법

• 다양한 차원 간 비교가 가능한 고차원 하한, 상한, 일반화된 인접도 수준을 제안하여 단체에 대한 비교를 가능하게 한다.
• 기울어진 단체 복합체 내 다중 매개변수 경계 및 코경계 연산자를 도입한다.
• 기존 조합 라플라시안을 일반화하는 다중조합 라플라시안을 정의한다.
• 새로운 라플라시안을 사용하여 고차원 인접도 수준을 효율적으로 계산한다.
• 이 프레임워크를 활용해 개인 에이전트와 단체적 커뮤니티의 관련성을 분석한다.
• 실세계 네트워크 응용을 위한 계산적으로 효과적이며 프로그래밍 가능한 프레임워크를 확보한다.

실험 결과

연구 질문

• RQ1 어떻게 단체 복합체 내에서 서로 다른 차원에 있는 단체의 관련성을 의미 있게 비교할 수 있는가?
• RQ2 다중 매개변수 경계 및 코경계 연산자가 고차원 네트워크 분석에서 수행하는 역할은 무엇인가?
• RQ3 제안된 다중조합 라플라시안은 기존 라플라시안에 비해 고차원 상호작용을 어떻게 더 잘 포착하는가?
• RQ4 이 프레임워크는 단체적 커뮤니티 간 협업을 어떤 방식으로 정량화할 수 있는가?
• RQ5 이 프레임워크를 실질적인 복잡한 네트워크에 적용할 경우 계산적 및 실용적 영향은 무엇인가?

주요 결과

• 제안된 고차원 인접도 수준은 단체의 차원에 관계없이 직접 비교할 수 있도록 하여 전통적 차수 개념의 한계를 극복한다.
• 다중 매개변수 경계 및 코경계 연산자는 기존 연산자를 일반화하며, 새로운 라플라시안 구조와 호환된다.
• 다중조합 라플라시안은 고차원 인접도 수준을 효과적으로 계산하여 위상적 네트워크 분석에서의 유용성을 입증한다.
• 프레임워크는 관련된 에이전트와 단체적 커뮤니티의 식별을 지원하며, 그룹 간 협력적 구조까지 포함한다.
• 이 방법은 계산적으로 효과적이며 프로그래밍 가능하여 네트워크 과학 분야의 실용적 응용을 가능하게 한다.
• 이 접근법은 복잡한 네트워크 내 다중 에이전트 상호작용을 위상적 데이터 분석을 통해 연구할 수 있는 견고한 수학적 기반을 제공한다.