[论文解读] Partial Phase Cohesiveness in Networks of Kuramoto Oscillator Networks

Yuzhen Qin, Yu Kawano+2 more|arXiv (Cornell University)|Jun 3, 2019

Nonlinear Dynamics and Pattern Formation参考文献 28被引用 7

一句话总结

该论文提出了一种基于增量 $\ell^2$- 和 $\ell^\infty$-范数的李雅普诺夫分析方法，用于推导两级网络中 Kuramoto 振子部分相位一致性的新充分条件。通过引入广义补图，该研究得出了适用于加权非完全网络的显式、更宽松的条件，从而扩大了吸引域并揭示了子网络内强局部耦合是驱动部分同步的关键因素，该结论已在人类大脑解剖数据上得到验证。

ABSTRACT

Partial, instead of complete, synchronization has been widely observed in various networks including, in particular, brain networks. Motivated by data from human brain functional networks, in this technical note, we analytically show that partial synchronization can be induced by strong regional connections in coupled subnetworks of Kuramoto oscillators. To quantify the required strength of regional connections, we first obtain a critical value for the algebraic connectivity of the corresponding subnetwork using the incremental 2 norm. We then introduce the concept of the generalized complement graph, and obtain another condition on the weighted nodal degree by using the incremental infinity norm. Under these two conditions, regions of attraction for partial phase cohesiveness are estimated in the forms of the incremental 2 and infinity norms, respectively. Our result based on the incremental infinity norm is the first known criterion that is applicable to non-complete graphs. Numerical simulations are performed on a two-level network to illustrate our theoretical results; more importantly, we use real anatomical brain network data to show how our results may reveal the interplay between anatomical structure and empirical patterns of synchrony.

研究动机与目标

• 识别在缺乏全局同步的情况下，脑样网络中实现部分相位一致性的机制。
• 解决现有方法在分析加权非完全网络中部分同步时隐式或保守的问题。
• 基于增量 $\ell^2$- 和 $\ell^\infty$-范数的李雅普诺夫函数，推导出可用于区域同步的显式、可计算的条件。
• 阐明强区域耦合与解剖网络结构在塑造人类大脑功能网络中观测到的经验同步模式中的作用。

提出的方法

• 采用增量 $\ell^2$-范数李雅普诺夫函数，基于子网络的代数连通性 $\lambda_2(L)$ 推导出一个充分条件。
• 引入广义补图的概念，利用增量 $\ell^\infty$-范数实现显式、尺度无关的条件。
• 利用 $\ell^\infty$-范数估计相位一致性的吸引域与最终有界性，克服了先前隐式准则的局限性。
• 将大脑建模为两级网络：区域内全连接（每区域10个振子），区域间通过弥散张量成像（DTI）数据获得的加权邻接矩阵实现稀疏耦合。
• 在包含66个节点的人类大脑解剖网络上进行仿真，设置区域特定的耦合强度以检验理论预测。
• 通过比较模拟的相位一致性与实测序参数幅度及区域相位差，验证理论结果。

实验结果

研究问题

• RQ1 在具有两级结构的 Kuramoto 振子网络中，部分相位一致性的出现需满足何种条件？
• RQ2 强区域耦合如何影响子网络中部分同步的出现？
• RQ3 能否利用增量 $\ell^\infty$-范数分析，为加权非完全图推导出显式、非保守的部分一致性的条件？
• RQ4 广义补图在估计部分同步吸引域中起到何种作用？
• RQ5 解剖脑网络特性与局部耦合强度在多大程度上共同决定了观测到的部分同步模式？

主要发现

• 与 $\ell^2$-范数方法相比，增量 $\ell^\infty$-范数方法在自然频率异质性与外部耦合强度显著时，能给出更宽松的部分相位一致性的充分条件。
• 通过 $\ell^\infty$-范数估计的吸引域显著大于使用 $\ell^2$-范数所得结果，提升了实际应用价值。
• 即使区域间连接较弱或中等，子网络内的强局部耦合（例如区域9、30、33的 $K^p = 8$）也能诱导出部分相位一致性。
• 在真实人类大脑解剖数据的仿真中，区域9、30和33的序参数幅度 $r \approx 0.6$，而全局 $r \approx 0.15$，证实了部分同步的存在。
• 局部耦合较弱的区域（如 $K^p = 0.1$）即使在区域间连接很强（如 $a_{2,23} = 52.8$）也难以同步，凸显了内部强耦合的必要性。
• 该理论框架在完全同步情形下可推出比现有 $\ell^2$-范数准则更精确的结果，尤其适用于加权非完全网络。