[논문 리뷰] Higher-order interactions shape collective dynamics differently in hypergraphs and simplicial complexes

Yuanzhao Zhang, Maxime Lucas외 1명|arXiv (Cornell University)|2022. 03. 06.

Complex Network Analysis Techniques인용 수 7

한 줄 요약

이 논문은 고차원 상호작용이 초그래프에서는 동기화를 향상시키지만 심플리셜 복합체에서는 저해된다는 것을 보여준다. 이는 고차원 차수 이질성과 교차 차수 차수 상관관계의 차이 때문이며, 이는 결합된 위상 오scillators와 스펙트럼 분석을 통해 입증된다. 저자들은 초그래프와 심플리셜 복합체의 선택이 집단 역학을 본질적으로 변화시킴으로써, 이러한 프레임워크가 비쌍체 상호작용을 모델링할 때 상호교환 가능하다는 가정을 도전한다.

ABSTRACT

Higher-order networks have emerged as a powerful framework to model complex systems and their collective behavior. Going beyond pairwise interactions, they encode structured relations among arbitrary numbers of units through representations such as simplicial complexes and hypergraphs. So far, the choice between simplicial complexes and hypergraphs has often been motivated by technical convenience. Here, using synchronization as an example, we demonstrate that the effects of higher-order interactions are highly representation-dependent. In particular, higher-order interactions typically enhance synchronization in hypergraphs but have the opposite effect in simplicial complexes. We provide theoretical insight by linking the synchronizability of different hypergraph structures to (generalized) degree heterogeneity and cross-order degree correlation, which in turn influence a wide range of dynamical processes from contagion to diffusion. Our findings reveal the hidden impact of higher-order representations on collective dynamics, highlighting the importance of choosing appropriate representations when studying systems with nonpairwise interactions.

연구 동기 및 목표

• 초그래프와 심플리셜 복합체를 고차원 상호작용의 표현으로 선택할 경우 집단 역학이 본질적으로 다른 결과를 낳는지 조사하기.
• 특히 고차원 차수 이질성과 교차 차수 차수 상관관계와 같은 구조적 메커니즘이 이 두 프레임워크에서 상이한 동기화 행동을 이끄는지 규명하기.
• 합성 네트워크, 뇌 연결체 데이터, 쌍체 및 비쌍체 상호작용 비율의 변화에 걸쳐 이러한 효과가 얼마나 강인한지 평가하기.
• 비쌍체 상호작용을 모델링할 때 초그래프와 심플리셜 복합체가 상호교환 가능하다는 일반적인 가정을 도전하기.
• 동기화를 넘어서 확산, 전염, 진화와 같은 다른 역학적 과정으로 이러한 통찰을 확장하여, 차수 이질성과 상관관계가 핵심 역할을 하는 분야에 적용하기.

제안 방법

• 쌍체 상호작용은 인접 행렬로, 고차원 상호작용은 초모서리 또는 심플렉스로 표현하는 방식으로 고차원 상호작용을 모델링한다.
• 결합된 위상 오scillators의 동기화 가능성 분석을 위해 두 프레임워크 모두에 일반화된 라플라시안 행렬을 사용하며, 두 번째로 작은 고유값(대칭성 연결도)을 분석한다.
• 쌍체 및 비쌍체 상호작용을 연속적인 보간 파라미터 α로 혼합하여 혼합 차수 시스템(0 < α < 1)의 체계적 분석을 가능하게 한다.
• 초모서리 소속 교환 절차를 적용하여 차수 시퀀스를 유지하면서 교차 차수 차수 상관관계를 조작함으로써 상관관계 효과를 통제된 방식으로 분석한다.
• 라플라시안의 고유값 갭 λ₂를 통해 동기화 안정성을 분석하며, 더 큰 λ₂는 더 뛰어난 동기화 가능성과 관련된다.
• 결과를 합성 네트워크, 무작위 초그래프, 반구조적 초그래프, 그리고 신경데이터에서 제공하는 실제 뇌 연결체 데이터셋(예: 고양이 뇌 네트워크)에서 검증한다.

실험 결과

연구 질문

• RQ1 동일한 고차원 상호작용 구조를 가진 초그래프와 심플리셜 복합체가 동일한 동기화 역학을 보여주는가?
• RQ2 고차원 차수 이질성이 초그래프와 심플리셜 복합체에서 비쌍체 상호작용을 가진 시스템의 동기화 가능성에 어떻게 영향을 주는가?
• RQ3 쌍체 및 비쌍체 상호작용이 동시에 존재할 때 교차 차수 차수 상관관계가 동기화 안정성에 어떤 역할을 하는가?
• RQ4 초그래프에서는 고차원 상호작용이 동기화를 향상시키고 심플리셜 복합체에서는 저해하는 이 상반된 영향을 네트워크 표현의 구조적 차이로 설명할 수 있는가?
• RQ5 이러한 발견은 확산, 전염, 진화 역학과 같은 다른 역학적 과정으로 일반화될 수 있는가?

주요 결과

• 고차원 차수 이질성이 높아짐에 따라 심플리셜 복합체에서는 항상 동기화가 불안정해지며, 이는 대칭성 연결도 λ₂가 감소하기 때문이다.
• 반면에 초그래프에서는 고차원 상호작용이 무작위 및 반구조적 초그래프 모두에서 동기화를 향상시키며, 더 균일한 초모서리 분포로 인해 동기화 가능성 향상이 이루어진다.
• 고차원 차수 이질성이 증가할수록 심플리셜 복합체에서 라플라시안의 두 번째로 작은 고유값 λ₂가 감소하며, 이는 동기화 가능성 감소를 나타낸다.
• 혼합 차수 시스템(0 < α < 1)에서는 교차 차수 차수 상관관계가 더 음성이면, 서로 다른 상호작용 차수에서 비롯된 차수 이질성이 상쇄되어 동기화 안정성이 향상된다.
• 초모서리 소속 교환 절차를 통해 차수 시퀀스를 유지하면서 교차 차수 차수 상관관계를 성공적으로 조작함으로써, 상관관계가 단지 이질성 외에도 관찰된 동기화 경향을 이끄는 핵심 요소임을 확인하였다.
• 결과는 합성 네트워크와 실제 뇌 연결체 데이터를 포함한 다양한 시스템에서 강인하며, 교환 조건 하에서도 동일한 종점(α = 0 및 α = 1)이 유지되어 극한에서의 구조적 불변성을 확인한다.