[논문 리뷰] Scale-free networks revealed from finite-size scaling

Matteo Serafino, Giulio Cimini외 4명|arXiv (Cornell University)|2019. 05. 23.

Complex Network Analysis Techniques참고 문헌 37인용 수 1

한 줄 요약

이 논문은 유한한 크기의 스케일링 기법을 실제 네트워크에서의 스케일프리 행동을 분석하는 프레임워크로 도입하며, 생물학적, 기술적, 정보적 시스템을 포함한 많은 실제 네트워크가 자가조정이 없는 상태에서도 스케일프리 성질을 보임을 드러낸다. 연구는 다양한 네트워크 유형 간에 스케일링 지수 간의 보편적인 지수관계를 발견하였으며, 인프라 및 사회 네트워크에서는 이격 현상이 관찰되었다.

ABSTRACT

Networks play a vital role in the development of predictive models of physical, biological, and social collective phenomena. A quite remarkable feature of many of these networks is that they are believed to be approximately scale free: the fraction of nodes with $k$ incident links (the degree) follows a power law $p(k)\propto k^{-\lambda}$ for sufficiently large degree $k$. The value of the exponent $\lambda$ as well as deviations from power law scaling provide invaluable information on the mechanisms underlying the formation of the network such as small degree saturation, variations in the local fitness to compete for links, and high degree cutoffs owing to the finite size of the network. Indeed real networks are not infinitely large and the largest degree of any network cannot be larger than the number of nodes. Finite size scaling is a useful tool for analyzing deviations from power law behavior in the vicinity of a critical point in a physical system arising due to a finite correlation length. Here we show that despite the essential differences between networks and critical phenomena, finite size scaling provides a powerful framework for analyzing self-similarity and the scale free nature of empirical networks. We analyze about two hundred naturally occurring networks with distinct dynamical origins, and find that a large number of these follow the finite size scaling hypothesis without any self-tuning. Notably this is the case of biological protein interaction networks, technological computer and hyperlink networks and informational citation and lexical networks. Marked deviations appear in other examples, especially infrastructure and transportation networks, but also social, affiliation and annotation networks. Strikingly, the values of the scaling exponents are not independent but satisfy an approximate exponential relationship.

연구 동기 및 목표

• 유한한 크기의 네트워크에서도 스케일프리 행동을 탐지하고 정량화할 수 있는가를 조사하기 위해 유한한 크기의 스케일링 기법을 적용한다.
• 실제 네트워크의 스케일프리 성격이 자가조정 메커니즘 없이 자연스럽게 발생하는가를 판단한다.
• 파워법 스케일링에서의 체계적인 이격 현상과 그 원인을 다양한 네트워크 유형에서 이해한다.
• 다양한 네트워크 유형 간의 스케일링 지수 간 보편적인 관계를 탐색한다.

제안 방법

• 비판 현상에서 일반적으로 사용되는 유한한 크기의 스케일링 기법을 적용하여, 유한한 네트워크에서의 차수 분포 이격 현상을 분석한다.
• 유한한 크기의 스케일링 가설을 검증하기 위해 동적 기원이 다른 약 200개의 실세계 네트워크를 분석한다.
• 차수 분포를 파워법에 적합시키고, 스케일링 콜라프스 기법을 사용하여 이격 현상을 검토한다.
• 파워법 尾部 p(k) ∝ k^−λ 에서 스케일링 지수 λ 를 식별하고, 네트워크 유형 간 일관성을 평가한다.
• 다른 네트워크 크기에서의 데이터가 단일 보편 곡선에 콜라프스되는지 여부를 검증하기 위해 스케일링 콜라프스를 사용한다.
• 다양한 네트워크 유형 간의 스케일링 지수 간 관계를 조사하여 보편적인 패tern을 탐지한다.

실험 결과

연구 질문

• RQ1 유한한 크기의 스케일링 기법이 유한한 실세계 네트워크에서 스케일프리 행동을 효과적으로 드러낼 수 있는가?
• RQ2 실제 네트워크가 파rameter 자가조정 없이도 스케일프리 성질을 보이는가?
• RQ3 파워법 스케일링에서 체계적인 이격 현상이 존재하는가? 만약 그렇다면 어떤 네트워크 유형에서 관찰되는가?
• RQ4 다양한 네트워크 유형 간의 스케일링 지수 간 보편적인 관계가 존재하는가?
• RQ5 인프라 및 사회 네트워크에서 관찰된 이격 현상의 배경 메커니즘은 무엇인가?

주요 결과

• 단백질 상호작용, 컴퓨터, 하이퍼링크, 인용, 어휘 네트워크를 포함한 많은 실세계 네트워크가 자가조정 없이도 유한한 크기의 스케일링 가설을 따르는 것으로 나타났다.
• 생물학적, 기술적, 정보적 네트워크는 유한한 크기의 스케일링 분석에서 강력한 스케일프리 구조의 증거를 보였다.
• 인프라, 교통, 사회, 소속, 어노테이션 네트워크는 스케일프리 행동에서 뚜렷한 이격 현상을 보였다.
• 다양한 네트워크 유형 간의 스케일링 지수는 약간의 지수관계를 만족하며, 이는 보편적인 기반이 되는 메커니즘을 시사한다.
• 유한한 크기 효과가 관측된 차수 분포에 크게 영향을 미치며, 유한한 크기의 스케일링은 이러한 효과를 효과적으로 캡처한다.
• 본 연구는 실제 네트워크에서의 스케일프리 행동이 유한한 크기의 산물이 아니며, 오히려 유한한 크기의 스케일링을 통해 설명 가능한 강력한 특성임을 입증한다.