[논문 리뷰] Universality of the SIS prevalence in networks

Piet Van Mieghem|arXiv (Cornell University)|2016. 12. 05.

Opinion Dynamics and Social Influence참고 문헌 22인용 수 5

한 줄 요약

이 논문은 네트워크의 인cidence 행렬의 스펙트럼 분해를 통해 유한한 네트워크에서 감염자 비율의 일반적인 해석적 곡선을 제안한다. 이 방법은 다양한 네트워크 구조와 감염 역학(비균일한 감염률, 시간에 따라 변화하는 네트워크, 자기감염 포함)에 대해 시간에 따라 변하는 감염 비율을 경계하며, 평균장 근사와 유사한 정확도를 제공한다. 이는 감염률 행렬의 최대 고유값에 의해 결정되는 단계 전이 임계점이 있음을 드러낸다.

ABSTRACT

Epidemic models are increasingly used in real-world networks to understand diffusion phenomena (such as the spread of diseases, emotions, innovations, failures) or the transport of information (such as news, memes in social on-line networks). A new analysis of the prevalence, the expected number of infected nodes in a network, is presented and physically interpreted. The analysis method is based on spectral decomposition and leads to a universal, analytic curve, that can bound the time-varying prevalence in any finite time interval. Moreover, that universal curve also applies to various types of Susceptible-Infected-Susceptible (SIS) (and Susceptible-Infected-Removed (SIR)) infection processes, with both homogenous and heterogeneous infection characteristics (curing and infection rates), in temporal and even disconnected graphs and in SIS processes with and without self-infections. The accuracy of the universal curve is comparable to that of well-established mean-field approximations.

연구 동기 및 목표

• 모든 유한한 네트워크에서 시간에 따라 변하는 SIS 전염병의 감염 비율을 둘러싸는 일반적이고 해석 가능한 곡선을 규명하는 것.
• 비균일한 감염 및 회복 속도, 끊어진 그래프, 시간에 따라 변화하는 네트워크를 포함한 SIS 및 SIR 과정의 분석을 통합하는 것.
• 평균장 가정에 의존하지 않고도 감염 비율 역학을 잘 묘사하는 물리적으로 해석 가능한 스펙트럼 기반 근사법을 제공하는 것.
• 자기감염이 존재하는 상황에서도 감염 비율 행동이 항상 효과 감염률 행렬의 최대 고유값에 의해 지배된다는 것을 보여주는 것.

제안 방법

• 비방향성이고 가중치가 없는 네트워크에서 SIS 과정을 분석하기 위해 가중치가 부여된 인cidence 행렬 $\widetilde{A}$ 의 스펙트럼 분해를 사용한다. 여기서 $\widetilde{a}_{ij} = \beta_{ij}a_{ij}$ 이다.
• 마르코프 SIS 역학과 기대값 연산자를 통한 선형화를 이용하여 예상 감염 비율 $y(t) = \mathbb{E}[S(t)]$ 를 위한 미분방정식을 유도한다.
• 스펙트럼 보정 $R_k$ 와 잔여항 $\Psi_k$ 를 포함한 이차방정식을 풀어 시간에 따라 변하는 감염 비율에 대한 경계를 도출하기 위해 시간 극값 분석을 적용한다.
• 자기감염을 모델링하기 위해 매개변수 $\varepsilon^*$ 를 도입하며, 흡수 상태는 오직 $\varepsilon^* \to 0$ 근처에서만 존재하며, $\varepsilon^* > 0$ 인 경우 이를 피한다.
• 자기감염이 존재할 경우, 지속적인 유행 상태를 유지하기 위해 효과 감염률 $\tau$ 가 임계값 $\tau(\varepsilon^*) > \tau(0)$ 를 초과해야 한다는 것을 입증한다.
• 감소된 인cidence 행렬의 최대 고유값 $\mu_{N-k}$ 를 사용하여 SIS 모델에서 단계 전이의 임계 임계점(臨界點)을 정의한다.

실험 결과

연구 질문

• RQ1 모든 종류의 네트워크와 감염 역학에서 시간에 따라 변하는 SIS 전염병의 감염 비율을 한 개의 일반적인 해석적 곡선이 기술할 수 있는가?
• RQ2 자기감염($\varepsilon^* > 0$)이 포함될 경우 흡수 상태 존재성과 유행성 임계점에 어떤 영향을 미치는가?
• RQ3 감염률 행렬의 스펙트럼 반경이 비균일한 SIS 모델에서 감염 비율 행동을 얼마나 잘 결정하는가?
• RQ4 왜 $\varepsilon^* \to 0$ 근처에서 흡수 상태가 발생하며, 이는 유한한 네트워크에서 정상 상태 감염 비율에 어떤 영향을 미치는가?

주요 결과

• 스펙트럼 보정 $R_k$ 와 잔여항 $\Psi_k$ 를 포함한 이차방정식의 해로 시간 극값 감염 비율 $y_\pm(p;\tau,\varepsilon^*)$ 가 유도되며, 이는 실제 감염 비율에 대한 경계를 제공한다.
• 자기감염이 존재할 경우($\varepsilon^* > 0$), 흡수 상태가 존재하지 않기 때문에 지속적인 유행 상태를 유지하기 위해 필요한 효과 감염률 $\tau(\varepsilon^*)$ 는 $\tau(0)$ 보다 엄격히 크다.
• 감염 비율의 정상 상태는 $\varepsilon$-SIS 모델에서 양의 근 $y_+(p;\tau,\varepsilon^*)$ 와 일치하며, 마르코프 체인 이론에 따라 유일하고 안정적이다.
• $\varepsilon^* \to 0$ 근처에서 시간 극값 감염 비율은 hyperbolic tangent 공식으로 묘사된 준안정 상태로 수렴하며, 기존의 평균장 결과와 일치한다.
• 실근의 존재 조건인 판별식 $\left(\tau\mu_{N-k} - (1+\varepsilon^*)\right)^2 - 4\tau\mu_{N-k}\Psi_k \geq 0$ 는 실근이 존재하는 영역을 정의하며, 따라서 감염 비율 경계의 유효한 시간 간격을 결정한다.
• 이 방법은 잘 알려진 평균장 근사와 유사한 정확도를 확보하면서도, 네트워크 고유값을 통한 물리적 해석과 엄밀한 스펙트럼 기반 기반을 제공한다.