[论文解读] Assortative mixing by degree makes a network more unstable

Markus Brede, Sitabhra Sinha|arXiv (Cornell University)|Jul 29, 2005

Bayesian Modeling and Causal Inference参考文献 2被引用 24

一句话总结

本文通过分析来自有向Erdős-Rényi网络和无标度网络的随机加权雅可比矩阵的谱特性，研究了度相关性对网络稳定性的影响。研究发现，度数正相关混合（即高阶节点偏好连接其他高阶节点）会显著增加特征值的最大实部（$ olambda_{ \text{max}}$），导致其随网络规模（$N^{0.2}$）呈幂律增长，从而引发更大程度的不稳定性；而度数负相关网络仅呈现对数增长（$ \log(N^{0.12})$），表明其对动力学波动具有更强的鲁棒性。

ABSTRACT

We investigate the role of degree correlation among nodes on the stability of complex networks, by studying spectral properties of randomly weighted matrices constructed from directed Erdös-Rényi and scale-free random graph models. We focus on the behaviour of the largest real part of the eigenvalues, $λ_ ext{max}$, that governs the growth rate of perturbations about an equilibrium (and hence, determines stability). We find that assortative mixing by degree, where nodes with many links connect preferentially to other nodes with many links, reduces the stability of networks. In particular, for sparse scale-free networks with $N$ nodes, $λ_ ext{max}$ scales as $N^α$ for highly assortative networks, while for disassortative graphs, $λ_ ext{max}$ scales logarithmically with $N$. This difference may be a possible reason for the prevalence of disassortative networks in nature.

研究动机与目标

• 研究度相关性如何影响复杂网络的稳定性。
• 确定按度数的正相关混合是否会导致网络动力学中的不稳定性增加。
• 比较正相关与负相关网络中$\nlambda_{ \text{max}}$——特征值最大实部——随网络规模的标度行为。
• 探讨负相关混合在生物网络中的进化意义。
• 分析从无标度网络和Erdős-Rényi网络中导出的随机加权矩阵的谱特性，且控制相关性程度。

提出的方法

• 使用Erdős-Rényi模型和Barabási-Albert（BA）模型构建具有度相关性控制的有向随机网络。
• 应用链路交换算法生成具有目标度相关系数（$a$）的集合，范围从无相关到高度正相关。
• 通过将邻接矩阵中的非零项替换为均值为零、方差为$\sigma^2$的独立同分布高斯权重，生成雅可比矩阵$J_{ij}$。
• 将特征值最大实部$\lambda_{ \text{max}}$作为网络稳定性的度量。
• 在连接度（$C$）恒定和平均度（$m$）恒定条件下，分析$\lambda_{ \text{max}}$随网络规模$N$的标度行为。
• 测量实特征值的比例（$f_{ \text{real}}$），以评估实轴附近的谱密度，该值与不稳定性相关。

实验结果

研究问题

• RQ1 按度数的正相关混合如何影响复杂网络的稳定性？
• RQ2 在高度正相关与负相关的网络中，$\lambda_{ \text{max}}$随网络规模的标度行为有何不同？
• RQ3 为何负相关混合在生物网络中普遍存在？
• RQ4 正相关与负相关网络在谱特性（尤其是实特征值分布）方面有何差异？
• RQ5 度相关性在多大程度上影响网络中动力学波动的传播？

主要发现

• 对于稀疏无标度网络，高度正相关的网络中$\lambda_{ \text{max}}$随$N^{0.2}$增长，表明其不稳定性随规模显著增强。
• 相比之下，对于负相关和无相关性的无标度网络，$\lambda_{ \text{max}}$以$\log(N^{0.12})$形式对数增长，表明其具有更高的稳定性。
• 实特征值比例$f_{ \text{real}}$在正相关网络中衰减更慢（$\propto N^{-0.1}$），而负相关网络中衰减更快（$\propto N^{-0.45}$），从而增加了出现大$\lambda_{ \text{max}}$的可能性。
• 正相关网络的谱边缘衰减更平缓，相较于无相关和负相关网络，表明其不稳定性更强。
• 高正相关性会减小最大连通分量的规模，当$a \approx 0.25$时，仅约80%的链接位于最大簇中，但该比例与$N$无关。
• 结果表明，负相关混合可能在进化上被偏好，以最小化动力学波动并增强系统稳定性。