[논문 리뷰] Key to Network Controllability

Soumya Banerjee, Soumen Roy|arXiv (Cornell University)|2012. 09. 17.

Complex Network Analysis Techniques참고 문헌 4인용 수 9

한 줄 요약

이 논문은 방향성 네트워크에서 네트워크 제어 가능성은 국소적 도수 분포보다 거리 기반 중심성 측도인 가까움(BC)과 중간성(BC)으로 더 잘 예측됨을 제안한다. $X = \langle C \rangle + \langle B \rangle / \langle C \rangle$라는 복합 측도를 도입하여 드라이버 노드 비율 $n_D$와 강한 상관관계를 보이며, 최대 매칭에 비해 계산 비용이 낮은 대체 방법을 제공한다. 이는 생물학적 및 실제 네트워크 간의 제어 가능성 차이를 설명한다.

ABSTRACT

Liu et al recently proposed a minimum number of driver nodes needed to obtain full structural controllability over a directed network. Driver nodes are unmatched nodes, from which there are directed paths to all matched nodes. Their most important assertion is that a system's controllability is to a great extent encoded by the underlying network's degree distribution, $P(k_{in}, k_{out})$. Is the controllability of a network decided almost completely by the immediate neighbourhood of a node, while, even slightly distant nodes play no role at all? Motivated by the above question, in this communication, we argue that an effective understanding of controllability in directed networks can be reached using distance based measures of closeness centrality and betweenness centrality and may not require the knowledge of local connectivity measures like in-degree and out-degree.

연구 동기 및 목표

• 네트워크 제어 가능성은 주로 국소적 진입 및 진출 도수 분포에 의해 결정된다는 가정에 도전하기 위해.
• 방향성 네트워크에서 가까움 및 중간성 중심성과 같은 거리 기반 측도가 제어 가능성 예측에 더 우수한지 조사하기 위해.
• 드라이버 노드 수를 추정하기 위한 최대 매칭의 계산 비용이 낮은 대체 방법을 개발하기 위해.
• 도수 상관관계를 초월한 네트워크 구조가 제어 가능성 결정에 미치는 영향을 평가하기 위해.
• 도수 분포를 유지하는 엣지 교환 절차 하에서 제어 가능성 예측의 탄력성 평가하기 위해.

제안 방법

• 모든 다른 노드까지의 평균 거리의 역수로 정의된 가까움 중심성 $C_i = \frac{N-1}{\sum_j d(i,j)}$.
• 노드 $i$를 통과하는 최단 경로의 비율로 정의된 중간성 중심성 $B_i = \sum_{s \neq i \neq t} \frac{\sigma_{st}(i)}{\sigma_{st}}$.
• 모든 $\langle B \rangle \neq 0$일 경우 복합 측도 $X(\mathcal{C}, \mathcal{B}) = \langle C \rangle + \frac{\langle B \rangle}{\langle C \rangle}$를 도입하여 네트워크 제어 가능성을 정량화하며, 否면 $X = \langle C \rangle$로 정의한다.
• 진입 및 진출 도수 분포를 유지하면서 $X$를 증가시키는 엣지 교환 절차를 사용하여 제어 가능성의 탄력성 테스트.
• 32개의 실제 네트워크에서 $X$를 사용한 예측된 $n_D$와 최대 매칭으로부터의 실제 $n_D$를 비교하여 드라이버 노드 비율 분석.
• 사슬, 완전 연결 및 성층형 그래프 간의 제어 가능성 구조적 차이를 $X$와 $n_D$를 사용하여 분석.

실험 결과

연구 질문

• RQ1 가까움 및 중간성 중심성은 진입 및 진출 도수 분포보다 네트워크 제어 가능성 예측에 더 정확한가?
• RQ2 다양한 네트워크 유형에서 복합 측도 $X = \langle C \rangle + \langle B \rangle / \langle C \rangle$와 드라이버 노드 비율 $n_D$ 간의 상관관계는 어떠한가?
• RQ3 도수 분포를 유지하면서 전반적 구조를 변화시키는 엣지 교환에 의해 제어 가능성은 어느 정도 변화하는가?
• RQ4 왜 일부 도수 보존 무작위 네트워크에서는 예측된 $n_D$와 실제 $n_D$ 간에 상당한 편차가 발생하는가?
• RQ5 $X$는 최대 매칭의 신뢰할 수 있고 저비용 대체 수단으로 사용될 수 있는가?

주요 결과

• 측도 $X = \langle C \rangle + \langle B \rangle / \langle C \rangle$는 드라이버 노드 비율 $n_D$와 강한 반비례 상관관계를 보이며, 이는 높은 $X$ 값일수록 $n_D$가 낮다는 것을 의미한다.
• 크기 $N=4$인 사슬 및 완전 연결 그래프 모두에서 $n_D = 1/4$이지만, 도수 분포는 극명하게 다르므로 도수만으로는 제어 가능성을 예측할 수 없다.
• 리틀록 식량망에서 엣지 교환의 12%가 $n_D$를 35% 감소시켰으며, 이는 Liu 등이 제안한 바와는 정반대되는 결과로, 도수 보존 하에서 $n_D$는 거의 일정하다는 예측을 뒤집는다.
• 전사, 대사 및 신경망은 각각 약 0.003, 0.2, 0.33의 $X$ 값을 보이며, 제어 가능성에 대한 명확한 계층적 구조를 나타낸다.
• 제안된 측도 $X$는 복잡한 조합 최적화가 필요 없는 최대 매칭의 계산 비용이 낮은 대체 수단을 제공한다.
• 높은 $X$ 값을 가진 네트워크, 예를 들어 조밀하거나 사슬 유사한 구조는 제어가 용이하지만, 낮은 $X$를 가진 성층형 네트워크는 더 많은 드라이버 노드가 필요하다.