[论文解读] State concentration measure of quickness in Kauffman-type networks

Шун-ичи Амари, Hiroyasu Ando+2 more|arXiv (Cornell University)|Feb 29, 2012

Complex Network Analysis Techniques被引用 1

一句话总结

本文引入了一种新颖的状态浓度度量，用于量化随机布尔网络和多数投票网络中动力学的快速性，该度量基于状态转移图中平均t步前驱的指数。研究发现，极稀疏的布尔网络以及任意密度的多数投票网络均因入度分布的长尾特性而表现出高快速性；而仅相对密集的多数投票网络才能在快速性与鲁棒性之间取得平衡。

ABSTRACT

We study the dynamics of randomly connected networks composed of binary Boolean elements and those composed of binary majority vote elements. We elucidate their differences in both sparsely and densely connected cases. The quickness of large network dynamics is usually quantified by the length of transient paths, an analytically intractable measure. For discrete-time dynamics of networks of binary elements, we address this dilemma with an alternative unified framework by using a concept termed state concentration, defined as the exponent of the average number of t-step ancestors in state transition graphs. The state transition graph is defined by nodes corresponding to network states and directed links corresponding to transitions. Using this exponent, we interrogate the dynamics of random Boolean and majority vote networks. We find that extremely sparse Boolean networks and majority vote networks with arbitrary density achieve quickness, owing in part to long-tailed in-degree distributions. As a corollary, only relatively dense majority vote networks can achieve both quickness and robustness.

研究动机与目标

• 为解决大规模网络动力学中瞬态路径长度的分析不可解性问题。
• 建立一个统一框架，用于量化随机二元元件网络中离散时间动力学的快速性。
• 在不同连接密度下，比较随机布尔网络与多数投票网络的动力学行为。
• 识别在这些网络中同时实现快速动力学（快速性）与抗扰能力（鲁棒性）的结构条件。

提出的方法

• 定义一个状态转移图，其中节点代表网络状态，有向边代表状态转移。
• 引入状态浓度度量，即状态转移图中平均t步前驱数量的指数。
• 利用该指数量化网络状态随时间收敛或发散的速度，作为瞬态长度的代理指标。
• 分析二元布尔元素与多数投票元素构成的稀疏及密集连接网络。
• 聚焦于入度分布，以解释不同网络类型之间动力学快速性的差异。
• 应用状态浓度度量，比较不同网络密度与更新规则下的动力学表现。

实验结果

研究问题

• RQ1 如何以分析上可处理的方式量化大规模网络动力学的快速性？
• RQ2 哪些结构特征使得随机布尔网络与多数投票网络能够实现快速收敛？
• RQ3 为何极稀疏布尔网络以及任意密度的多数投票网络均表现出高快速性？
• RQ4 多数投票网络中快速性与鲁棒性之间存在何种权衡？
• RQ5 入度分布如何影响这些网络的动力学行为？

主要发现

• 极稀疏布尔网络因状态转移图中入度分布的长尾特性而实现高快速性。
• 任意连接密度的多数投票网络同样因入度分布的长尾特性而实现高快速性。
• 仅相对密集的多数投票网络能够同时实现快速性与鲁棒性。
• 状态浓度度量成功以统一且分析上可访问的方式捕捉了大规模网络的瞬态动力学。
• 平均t步前驱数量的指数可作为瞬态长度的可靠代理，使跨网络类型的比较分析成为可能。
• 本研究揭示，长尾入度分布是随机二元网络中快速动力学的关键结构驱动因素。