[论文解读] A sprinkling of hybrid-signature discrete spacetimes in real-world networks

Astrid Eichhorn, Martin Pauly|arXiv (Cornell University)|Jul 15, 2021

Data Visualization and Analytics参考文献 1被引用 5

一句话总结

该论文提出了一种混合签名时空模型——在小尺度下类似闵可夫斯基时空，在大尺度下为欧几里得时空——利用尺度依赖的谱维数探测现实世界网络是否编码其嵌入几何结构。研究发现，这种混合时空模型能准确捕捉互联网、果蝇和小鼠大脑等网络的小世界特性，其谱维数在不同尺度下与实证数据一致。

ABSTRACT

Many real-world networks are embedded into a space or spacetime. The embedding space(time) constrains the properties of these real-world networks. We use the scale-dependent spectral dimension as a tool to probe whether real-world networks encode information on the dimensionality of the embedding space. We find that spacetime networks which are inspired by quantum gravity and based on a hybrid signature, following the Minkowski metric at small spatial distance and the Euclidean metric at large spatial distance, provide a template relevant for real-world networks of small-world type, including a representation of the internet's architecture and biological neural networks.

研究动机与目标

• 确定现实世界网络是否编码其嵌入时空几何的信息。
• 探究具有混合闵可夫斯基-欧几里得签名的时空网络是否能模拟真实网络中的小世界特性。
• 将合成混合签名时空的尺度依赖谱维数与实证网络进行比较。
• 评估洛伦兹（闵可夫斯基）度量是否比欧几里得度量更能解释网络中的捷径。
• 通过多样化的现实世界网络（互联网、公路和神经连接数据）验证该模型。

提出的方法

• 通过在网络上模拟随机游走的数值扩散过程，计算尺度依赖的谱维数。
• 使用SNAP库处理图数据结构，并在每个时间步传播节点间的概率。
• 应用改进的扩散更新规则：$ P(x,x', au+1) = (1-δ)P(x,x', au) + δ \, w(x,y)P(x,x',\tau) $，其中权重基于节点度的倒数。
• 定义一种混合度量：在短距离处为闵可夫斯基（类空间），在长距离处为欧几里得，以模拟几何捷径。
• 比较欧几里得、闵可夫斯基和混合度量网络的谱维数行为。
• 使用一致的谱维数提取方法分析现实世界网络，包括互联网（CAIDA）、公路网络（宾夕法尼亚州、欧洲）以及脑连接组（果蝇、小鼠）

实验结果

研究问题

• RQ1 谱维数能否检测出现实世界网络之间嵌入几何的差异？
• RQ2 在小尺度为闵可夫斯基、大尺度为欧几里得的混合签名时空是否比纯欧几里得或闵可夫斯基模型更好地再现真实网络的小世界特性？
• RQ3 现实世界网络（如互联网、公路系统和神经连接组）的尺度依赖谱维数是多少？
• RQ4 当网络的底层几何在不同尺度下从闵可夫斯基过渡到欧几里得时，其谱维数如何变化？
• RQ5 闵可夫斯基类度量中的几何捷径在多大程度上能解释实证网络中观察到的效率与聚类特性？

主要发现

• 混合签名时空的谱维数与现实世界小世界网络中观测到的尺度依赖谱维数一致。
• 对于互联网和果蝇大脑等网络，谱维数在小尺度下约为2，在大尺度下约为4，与混合模型一致。
• 该模型再现了临界维度d=4，此时通过单个中间节点连接的概率从零跃迁到一，与数值结果一致。
• 宾夕法尼亚州和欧洲公路网络的谱维数约为2，与二维欧几里得嵌入一致。
• 通过体素相关性建模的小鼠大脑网络，在大尺度下其谱维数与混合时空模型一致。
• 该混合度量成功捕捉了真实网络中‘捷径’的存在，而无需人为重连，其原理在于在小尺度下利用洛伦兹几何。