[논문 리뷰] Nesting of dynamic systems and mode-dependent networks

David I. Spivak, Joshua Tan|arXiv (Cornell University)|2015. 02. 25.

Cellular Automata and Applications참고 문헌 17인용 수 3

한 줄 요약

이 논문은 동적 시스템에서 네트워크 구조가 내부 상태에 따라 변화하는 모드에 따라 달라지는 네트워크—즉, 네트워크 위상이 내부 상태에 따라 변화하는 동적 시스템—를 모델링하기 위해 오페라드와 그 대수를 사용하는 범주론적 프레임워크를 제안한다. 이는 다양한 척도에서 일관된 조합이 보장되는 의미론을 통해 이러한 시스템의 중첩을 형식화하며, 신경 시스템과 같은 복잡하고 적응적인 네트워크의 계층적 모델링을 가능하게 한다.

ABSTRACT

For many networks, the connection pattern (often called the topology) can vary in time, depending on the changing state, or mode, of the modules within the network. For example, "airplane mode" is the name for one communicative mode of a modern cellphone, in which it will not connect with any cellphone towers; thus the topology of the cellular network is dependent on the modes of its modules. This paper addresses the issue of nesting such mode-dependent networks, in which a local network can be abstracted as a single module in a larger network. Each module in the network represents a dynamic system, whose behavior includes repeatedly updating its communicative mode. It is in this way that the dynamics of the modules controls the topology of the networks at all levels. This paper provides a formal semantics, using the category-theoretic framework of operads and their algebras, to capture the nesting property and dynamics of mode-dependent networks. We provide a detailed running example to ground the mathematics.

연구 동기 및 목표

• 네트워크 위상 구조가 내부 상태에 따라 변화하는 동적이고 모드 의존적인 네트워크의 중첩을 형식화하기 위해.
• 시간에 따라 변화하는 위상 구조를 가진 네트워크 간의 네트워크에 대해 일관되고 조합 가능한 의미론을 제공하기 위해.
• 시각 경로와 같은 복잡한 생물학적 시스템을 계층적이고 상태 의존적인 네트워크 역학을 통해 모델링하기 위해.
• 와이어링 다이어그램 이론을 상태 의존적 연결성을 포함하도록 확장하여 재귀적 시스템 조합을 가능하게 하기 위해.
• 대규모이고 적응적인 동적 시스템을 범주론을 사용하여 구축하고 추론할 수 있는 형식적 기반을 마련하기 위해.

제안 방법

• 동적 위상 구조를 가진 네트워크의 계층적 조합을 형식화하기 위해 오페라드와 그 대수를 사용한다.
• 노드 상태가 연결 패턴을 결정하는 시스템을 모델링하기 위해 모드 의존 네트워크의 오페라드(OMDN)를 도입한다.
• 상태 집합, 모드 함수, 업데이트 함수, 그리고 의사소통 모드에 따라 달라지는 독출 맵을 통해 모드 동적 시스템을 정의한다.
• 다른 수준에서 네트워크를 조합할 때 일관성을 확보하기 위해 공명 맵과 조합 규칙을 적용한다.
• 텐서 곱과 준동형사를 사용하여 피드포워드 신경망과 같은 층화된 구조를 구축한다.
• 플러그 앤 플레이 조합 전략을 사용하여 뉴런과 반사 모듈과 같은 원자적 구성 요소들로 복잡한 시스템을 조립한다.

실험 결과

연구 질문

• RQ1 시간에 따라 변화하는 위상 구조를 가진 네트워크를 일관성 있는 방식으로 형식적으로 조합할 수 있는 방법은 무엇인가?
• RQ2 내부 상태에 따라 연결성이 달라지는 동적 시스템의 중첩을 가능하게 하는 범주론적 구조는 무엇인가?
• RQ3 통합된 의미론이 적응형 시스템에서 국소적 역학과 전반적 네트워크 위상 구조를 동시에 모델링할 수 있는가?
• RQ4 오페라드가 뇌의 시각 경로와 같은 계층적이고 이질적인 네트워크를 형식적으로 모델링하는 데 기여할 수 있는가?
• RQ5 모드 의존 네트워크 조합이 줌 수준이나 분해 방법의 선택과 독립적이도록 보장하기 위한 조건은 무엇인가?

주요 결과

• 모드 의존 네트워크의 오페라드(OMDN)는 내부 상태에 따라 위상 구조가 변화하는 시스템에 대해 일관되고 조합 가능한 프레임워크를 제공한다.
• 모드 동적 시스템은 상태 집합, 모드 함수, 업데이트 규칙, 그리고 의사소통 모드에 따라 달라지는 독출 함수를 포함하여 형식적으로 정의된다.
• 이 프레임워크는 계층적 조합을 지원한다: 개별 뉴런은 시각 피부질이나 깜빡임 반사와 같은 더 큰 네트워크 내의 모듈로 추상화될 수 있다.
• 피드포워드 신경망은 OMDN의 부분오페라드(OFFN)로 구성될 수 있으며, 이는 모듈식 설계와 조합을 가능하게 한다.
• 시각 시스템 모델 VS는 기본 구성 요소인 신경 및 뉴런으로 수렴하는 중첩된 연산의 시퀀스로 공식적으로 구성된다.
• 이 프레임워크는 분해 방법의 선택과 무관하게 리워어핑과 조합이 일관되게 유지됨을 보장한다.