[论文解读] On Automorphism Groups of Networks

Ben D. MacArthur, Rubén J. Sánchez-García+1 more|arXiv (Cornell University)|May 22, 2007

Complex Network Analysis Techniques参考文献 61被引用 89

一句话总结

本文研究了现实世界网络的自同构群，揭示了其中许多网络表现出显著的对称性，这与经典随机图模型的假设相反。通过将自同构群基于对称群的直积与丛积进行几何分解，作者将这些对称性与可识别的子图结构（尤其是团与双团）联系起来，证明了网络对称性既普遍又具有结构可解释性，对理解复杂系统中的动力学行为具有重要意义。

ABSTRACT

We consider the size and structure of the automorphism groups of a variety of empirical `real-world' networks and find that, in contrast to classical random graph models, many real-world networks are richly symmetric. We relate automorphism group structure to network topology and discuss generic forms of symmetry and their origin in real-world networks.

研究动机与目标

• 调查现实世界复杂网络中对称性的普遍性及其结构起源，挑战此类网络通常为非对称的假设。
• 开发一种计算高效的算法，将大型自同构群分解为不可约且可解释的组成部分。
• 将自同构群的代数结构与现实世界网络中可识别的对称子图联系起来。
• 探讨网络对称性对基于这些网络建模的系统动力学行为的影响，特别是在生物与技术系统中的影响。
• 建立一个基于网络对称性的框架，以预测通用的动力学行为，且独立于特定的耦合函数。

提出的方法

• 利用 nauty 算法计算各种实证网络的自同构群的大小与结构。
• 基于支撑集不相交的生成元集合，将自同构群进行几何分解，分解为对称群的直积与丛积。
• 识别与分解中每个因子相对应的对称子图（如团、星形图、双团），将代数结构与网络拓扑联系起来。
• 采用群论技术将自同构群因子分解为不可约成分，从而实现对大型网络的高效分析。
• 分析网络生长过程与对称性之间的关系，特别是树状结构与局部对称结构的出现。
• 利用分解方法推断：现实世界网络中的大多数对称性源于对称团与双团，而罕见的复杂对称性则需逐案分析。

实验结果

研究问题

• RQ1 现实世界网络在多大程度上表现出对称性？其对称性与经典随机图模型相比如何？
• RQ2 现实世界网络中的对称性，特别是具有局部树状区域的生长网络，其结构根源是什么？
• RQ3 如何高效地将现实世界网络中大型自同构群分解为可解释的不可约成分？
• RQ4 哪些类型的子图通常解释了现实世界网络中大多数对称性？
• RQ5 网络对称性如何约束或预测基于这些网络建模的系统可能的动力学行为？

主要发现

• 许多现实世界网络，包括生物、技术与社交网络，表现出大且非平凡的自同构群，其大小范围从 10^13 到超过 10^600，表明其具有显著的内在对称性。
• 人类 B 细胞遗传互作网络的自同构群约为 5.94 × 10^13，而秀丽隐杆线虫遗传互作网络的自同构群阶为 6.9985 × 10^161。
• 美国电网网络的自同构群大小为 5.1851 × 10^152，而互联网在自治系统层级的自同构群大小为 1.2822 × 10^11298。
• 自同构群的几何分解表明，其通常由对称群的直积与丛积构成，且大多数对称性源于对称团与双团。
• 复杂对称子图（如具有丛积对称性的子图）虽存在但罕见，必须逐案分析，如美国电网中存在一个 C₂ ≀ C₂ 因子。
• 该分解方法使得原本难以处理的自同构群得以高效分析，为预测网络化系统中的通用动力学行为提供了结构基础。