[论文解读] Phase Transitions in Random Boolean Networks with Different Updating Schemes

Carlos Gershenson|ArXiv.org|Nov 5, 2003

Gene Regulatory Network Analysis参考文献 14被引用 21

一句话总结

本研究通过计算机模拟，调查了在不同更新机制（同步、异步、确定性、非确定性）下随机布尔网络（RBNs）的相变行为，测量了对初始条件的敏感性。主要发现是，所有类型的RBN在平均连通度 1 < k < 3 时均表现出从有序到混沌的临界相变，且网络规模对临界值的影响强于更新机制。

ABSTRACT

In this paper we study the phase transitions of different types of Random Boolean networks. These differ in their updating scheme: synchronous, semi-synchronous, or asynchronous, and deterministic or non-deterministic. It has been shown that the statistical properties of Random Boolean networks change considerable according to the updating scheme. We study with computer simulations sensitivity to initial conditions as a measure of order/chaos. We find that independently of their updating scheme, all network types have very similar phase transitions, namely when the average number of connections of nodes is between one and three. This critical value depends more on the size of the network than on the updating scheme.

研究动机与目标

• 确定不同的更新机制（同步、异步、确定性、非确定性）是否改变随机布尔网络的动力学相（有序、临界、混沌）。
• 研究RBNs的统计特性（如吸引子数量和盆地大小）在不同更新机制下的变化。
• 评估相变临界连通度阈值（k）是否依赖于更新机制或网络规模。
• 探讨这些发现对建模复杂系统（尤其是生物和认知系统）的启示。
• 评估情境相关更新（如DGARBNs）在不进入混沌状态的前提下实现信息处理的功能优势。

提出的方法

• 对具有固定拓扑结构和逻辑函数的随机布尔网络（RBNs）进行模拟，仅改变更新机制。
• 使用对初始条件的敏感性作为有序与混沌的定量度量，追踪初始状态略有不同的轨迹之间的发散情况。
• 评估四种RBN类型：CRBN（同步确定性）、ARBN（异步非确定性）、DARBN（异步确定性）以及GARBN/DGARBN（半同步，节点选择为确定性或非确定性）。
• 在不同网络规模（n = 200, 500, 1000）下，将平均连通度（k）从 0 到 5 进行变化，以识别相变点。
• 应用统计分析测量平均发散率，并识别行为从有序向混沌转变的临界k值。
• 在不同更新机制和网络规模之间比较结果，以分离各因素对相变的影响。

实验结果

研究问题

• RQ1 更新机制（同步、异步、确定性、非确定性）是否显著改变随机布尔网络的相变点？
• RQ2 网络规模如何影响RBNs从有序到混沌动力学转变的临界连通度（k）？
• RQ3 尽管相变相似，不同更新机制下的统计特性（如吸引子数量和盆地大小）在多大程度上存在差异？
• RQ4 确定性异步RBNs（DARBNs）和广义异步RBNs（GARBNs）在相变方面能否实现与同步RBNs（CRBNs）相似的动力学行为？
• RQ5 使用上下文依赖更新（如DGARBNs）在不进入混沌状态的前提下处理信息，能带来哪些功能优势？

主要发现

• 所有类型的RBN——无论更新机制如何——在平均连通度k介于1到3之间时，均表现出从有序到混沌的动力学相变。
• 临界k值的精确数值更依赖于网络规模而非更新机制，网络越大，临界点越接近k = 1，网络越小则越接近k = 3。
• 对于n = 200的网络，当k ≤ 1时，网络通常为静态（有序），而当k ≥ 2时，无论更新机制如何，网络主要表现为混沌。
• 异步和确定性更新机制在对初始条件的敏感性方面表现极为相似，表明同步性在相变中比确定性更具影响力。
• 尽管吸引子统计特性（如数量和长度）存在差异，但所有RBN类型中的点吸引子保持一致，因为它们与更新时间无关。
• DGARBNs可通过复杂更新周期处理更多信息而不进入混沌状态，表明其在利用上下文信息方面具有进化优势。