[논문 리뷰] How complex a complex network of equal nodes can be?

Maurı́cio S. Baptista, F. Moukam Kakmeni외 2명|ArXiv.org|2008. 05. 22.

stochastic dynamics and bifurcation참고 문헌 2인용 수 4

한 줄 요약

이 논문은 동일한 노드를 가진 대규모 활성 네트워크의 복잡도—양의 리만 수열 지수의 합으로 측정됨—이 두 노드 네트워크를 이용한 스케일링 법칙을 통해 예측될 수 있다고 제안한다. 핵심 결과는 더 큰 네트워크의 양의 리만 수열 지수의 합이 두 노드 시스템의 지수 합에 의해 제한되며, 이 제한은 네트워크의 결합 구조에 의해 결정되며, 위상 구조에 무관하게 동작한다는 것이다.

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

• 대규모 활성 네트워크에서 동일한 노드를 가진 네트워크의 복잡도가 간단한 두 노드 시스템으로부터 유추될 수 있는지 확인하는 것.
• 네트워크 위상이 비동기화된 혼돈 상태에서의 양의 리만 수열 지수의 합에 어떻게 영향을 미치는지 조사하는 것.
• 두 노드 간의 결합 동역학을 바탕으로 대규모 네트워크의 양의 리만 수열 지수의 합에 대한 분석적 경계를 설정하는 것.
• 네트워크 복잡도가 위상적 구조보다 상호작용 강도와 결합 유형에 의해 주로 결정된다는 것을 보여주는 것.

제안 방법

• 네트워크의 동역학에 대한 선형화된 변동 방정식을 사용하여 동기화 다각면의 조건부 리만 수열 지수를 유도한다.
• 네트워크의 라플라시안 행렬의 고유모드 분해를 통해 페르터베이션 동역학을 縦방향 및 횡방향 모드로 분리한다.
• 두 노드 결과를 더 큰 네트워크로 확장하기 위해 스케일링 법칙을 적용한다: 결합 강도는 |γi(N)|로 스케일링되고, 비선형 결합은 노드당 연결 수 k로 스케일링된다.
• 리우 유계를 사용하여 양의 리만 수열 지수의 합을 네트워크 엔트로피와 연결하고, 이를 복잡도 측정 척도로 사용한다.
• 선형 및 비선형 맵과 힌드마르시-로즈 뉴런을 포함한 네트워크에 대해 스케일링 접근법을 수치적으로 검증한다.
• 전체 네트워크의 리만 수열 지수(Λ)와 동기화 다각면의 리만 수열 지수(ΛC)를 비교하여 경계를 설정한다: 서로 다른 결합 영역에서 Λ ≤ ΛC 또는 Λ ≥ ΛC.

실험 결과

연구 질문

• RQ1 대규모 동일 노드 네트워크에서의 양의 리만 수열 지수의 합은 두 노드 시스템으로부터 예측될 수 있는가?
• RQ2 네트워크 위상은 양의 리만 수열 지수의 합에 상당한 영향을 미치는가, 아니면 상호작용 강도와 동역학이 지배적인가?
• RQ3 대규모 네트워크에서의 양의 리만 수열 지수의 합이 두 노드 시스템의 지수 합에 의해 항상 제한되는 조건은 무엇인가?
• RQ4 선형 및 비선형 결합 항은 활성 네트워크에서 동기화 상태와 비동기화 혼돈 상태 간의 전이에 어떻게 영향을 미치는가?

주요 결과

• 대규모 네트워크의 양의 리만 수열 지수의 합(Λ)은 해당 두 노드 시스템의 지수 합에 의해 제한되며, 이 제한은 결합 강도와 네트워크 위상에 의해 결정된다.
• 동일한 노드 동역학을 가진 네트워크에서, 복잡도(Λ로 측정됨)는 위상적 구조보다는 상호작용 메커니즘에 의해 주로 결정된다.
• 스케일링 법칙을 통해 라플라시안 행렬의 고유값과 노드 연결 수(k)를 이용해 Λ(N)을 Λ(N=2)로부터 예측할 수 있다.
• 비선형 결합이 지배적일 경우(|g/σ| >> 1), 비선형 결합 강도의 스케일링 관계는 g(N) = g(N=2)/k이다.
• 선형 결합이 지배적일 경우(|σ/g| >> 1), 선형 결합의 스케일링 관계는 σ(N) = 2σ(N=2)/|γi(N)|이다.
• 두 노드 시스템은 통합 기준점으로 기능한다: 만약 N=2일 때 Λ > ΛC이면, 스케일링된 결합을 사용할 경우 모든 N>2에 대해 Λ > ΛC가 되며, 이는 네트워크를 UPPER 또는 LOWER 복잡도 클래스로 분류한다.