[논문 리뷰] Partial Phase Cohesiveness in Networks of Kuramoto Oscillator Networks

Yuzhen Qin, Yu Kawano외 2명|arXiv (Cornell University)|2019. 06. 03.

Nonlinear Dynamics and Pattern Formation참고 문헌 28인용 수 7

한 줄 요약

이 논문은 증분 $\ell^2$- 및 $\ell^\infty$-노름 기반 리아푸노프 분석을 사용하여 두 수준의 네트워크에서 쿠라모토 진동자에 대한 부분적 단일 위상 일관성에 대한 새로운 충분조건을 제안한다. 일반화된 보완 그래프를 도입하여 가중치가 부여되고 완전하지 않은 네트워크에 대해 명시적이고 덜 보수적인 조건을 유도함으로써 더 큰 안착 영역을 가능하게 하고, 하위네트워크 내에서 강한 국지적 결합이 부분적 동기화를 이끄는 것으로 드러났으며, 인간 뇌 해부학적 데이터를 통해 검증되었다.

ABSTRACT

Partial, instead of complete, synchronization has been widely observed in various networks including, in particular, brain networks. Motivated by data from human brain functional networks, in this technical note, we analytically show that partial synchronization can be induced by strong regional connections in coupled subnetworks of Kuramoto oscillators. To quantify the required strength of regional connections, we first obtain a critical value for the algebraic connectivity of the corresponding subnetwork using the incremental 2 norm. We then introduce the concept of the generalized complement graph, and obtain another condition on the weighted nodal degree by using the incremental infinity norm. Under these two conditions, regions of attraction for partial phase cohesiveness are estimated in the forms of the incremental 2 and infinity norms, respectively. Our result based on the incremental infinity norm is the first known criterion that is applicable to non-complete graphs. Numerical simulations are performed on a two-level network to illustrate our theoretical results; more importantly, we use real anatomical brain network data to show how our results may reveal the interplay between anatomical structure and empirical patterns of synchrony.

연구 동기 및 목표

• 뇌 유사 네트워크에서 부분적 단일 위상 일관성의 메커니즘을 규명하고자 하며, 특히 전역적 동기화가 존재하지 않을 경우를 고려한다.
• 기존 방법이 암묵적이거나 보수적인 경우가 많은 가중치가 부여되고 완전하지 않은 네트워크에서 부분적 동기화를 분석하는 데 도전한다.
• 증분 $\ell^2$- 및 $\ell^\infty$-노름 기반 리아푸노프 함수를 사용하여 지역 동기화에 대한 명시적이고 계산 가능한 조건을 개발한다.
• 강한 지역적 결합과 해부학적 네트워크 구조가 인간 뇌 기능 네트워크에서 관찰된 실증적 동기화 패턴을 어떻게 형성하는지 규명한다.

제안 방법

• 하위네트워크의 대수적 연결성 $\lambda_2(L)$ 에 기반한 충분조건을 도출하기 위해 증분 $\ell^2$-노름 리아푸노프 함수를 사용한다.
• 증분 $\ell^\infty$-노름을 사용하여 척도에 의존하지 않는 명시적 조건을 가능하게 하는 일반화된 보완 그래프 개념을 도입한다.
• $\ell^\infty$-노름을 사용하여 부분적 위상 일관성의 안착 영역과 궁극적 유계성을 추정함으로써 이전의 암묵적 기준의 한계를 극복한다.
• 뇌를 두 수준의 네트워크로 모델링한다: 각 영역 내에서 전지적 결합(1개 영역당 10개 진동자)과 DTI 데이터로부터 유도된 가중치가 부여된 인접 행렬에 의한 희박한 영역 간 결합.
• 이론적 예측을 검증하기 위해 지역별 결합 강도가 다른 66노드 해부학적 뇌 네트워크에서 동역학을 시뮬레이션한다.
• 이론적 결과를 실증적 순서 파rameter 크기와 지역 간 위상 차이와의 비교를 통해 검증한다.

실험 결과

연구 질문

• RQ1 두 수준의 구조를 가진 쿠라모토 진동자 네트워크에서 부분적 단일 위상 일관성이 어떤 조건에서 발생할 수 있는가?
• RQ2 강한 지역적 결합은 하위네트워크에서 부분적 동기화의 발생에 어떻게 영향을 미치는가?
• RQ3 증분 $\ell^\infty$-노름 분석을 사용하여 가중치가 부여되고 완전하지 않은 그래프에 대해 부분 일관성에 대한 명시적이고 비보수적인 조건을 도출할 수 있는가?
• RQ4 일반화된 보완 그래프는 부분 동기화의 안착 영역 추정에 어떤 역할을 하는가?
• RQ5 해부학적 뇌 네트워크 특성과 국지적 결합 강도가 관찰된 부분적 동기화 패턴을 함께 결정하는 데 얼마나 기여하는가?

주요 결과

• 증분 $\ell^\infty$-노름 접근법은 자연 주파수의 이질성과 외부 결합 강도가 높을수록 $\ell^2$-노름 방법보다 덜 보수적인 부분적 단일 위상 일관성에 대한 충분조건을 도출한다.
• $\ell^\infty$-노름을 통해 추정한 안착 영역은 $\ell^2$-노름으로 얻은 영역보다 상당히 넓으며, 실용적 적용 가능성을 향상시킨다.
• 하위네트워크 내에서 강한 국지적 결합(예: 영역 9, 30, 33에서 $K^p = 8$)은 영역 간 연결이 약하거나 중간일지라도 부분적 단일 위상 일관성을 유도한다.
• 실제 인간 뇌 해부학적 데이터 기반 시뮬레이션에서, 영역 9, 30, 33은 순서 파rameter 크기 $r \approx 0.6$ 에 도달하는 반면 전역적 $r \approx 0.15$ 로 나타나 부분적 동기화가 확인되었다.
• 약한 국지적 결합(예: $K^p = 0.1$)을 가진 영역는 강한 영역 간 연결(예: $a_{2,23} = 52.8$)이 있더라도 동기화되지 않으며, 이는 강한 내부 결합의 필요성을 강조한다.
• 이론적 프레임워크는 기존의 $\ell^2$-노름 기반 기준보다 완전하지 않은 가중치가 부여된 네트워크에 대해 더 날카로운 결과로 축소된다.