[论文解读] The von Neumann entropy of networks

Filippo Passerini, Simone Severini|Munich Personal RePEc Archive (Ludwig Maximilian University of Munich)|Dec 14, 2008

Graph theory and applications参考文献 10被引用 6

一句话总结

本文提出了一种基于归一化组合拉普拉斯矩阵的冯·诺伊曼熵的新型网络结构度量方法，将特征值视为概率分布。主要贡献在于：熵作为全局规则性度量，规则图和完全图在固定边数下熵最大，而具有大团的图熵最小；在边数固定时，熵随连通分量和对称性增加而上升。

ABSTRACT

We normalize the combinatorial Laplacian of a graph by the degree sum, look at its eigenvalues as a probability distribution and then study its Shannon entropy. Equivalently, we represent a graph with a quantum mechanical state and study its von Neumann entropy. At the graph-theoretic level, this quantity may be interpreted as a measure of regularity; it tends to be larger in relation to the number of connected components, long paths and nontrivial symmetries. When the set of vertices is asymptotically large, we prove that regular graphs and the complete graph have equal entropy, and specifically it turns out to be maximum. On the other hand, when the number of edges is fixed, graphs with large cliques appear to minimize the entropy.

研究动机与目标

• 使用量子熵原理定义网络结构的新全局谱度量。
• 研究图论性质（如规则性、对称性和连通性）如何影响该熵度量。
• 确定熵是否随边数增加而增加，以及是否由规则图或完全图使熵最大化。
• 探讨熵与连通分量、长路径和团等结构特征的关系。
• 研究熵在渐近极限下的行为，以及在不同边添加策略下的表现。

提出的方法

• 将组合拉普拉斯矩阵 $ L(G) $ 按总度数之和 $ d_G $ 归一化，得到密度矩阵 $ \rho_G = L(G)/d_G $。
• 定义冯·诺伊曼熵为 $ S(\rho_G) = -\text{Tr}(\rho_G \log_2 \rho_G) $，将特征值视为概率分布。
• 利用 $ L(G) $ 的谱性质，包括特征值 $ \nu_1 \geq \cdots \geq \nu_n $，计算熵。
• 在图类之间比较熵：规则图、随机图、星形图、完全图和团。
• 分析当 $ n \to \infty $ 时的渐近行为，表明 $ \lim_{n\to\infty} S(C_n) = S(K_n) $，两者均达到最大熵。
• 数值研究不同边添加规则（如随机、贪心、基于团）下熵的演化。

实验结果

研究问题

• RQ1 图的冯·诺伊曼熵是否随边数增加单调递增？
• RQ2 在边数固定时，哪些图结构——规则图、完全图、星形图或团主导图——使熵最大或最小？
• RQ3 熵如何与连通分量、对称性和路径长度等全局结构特征相关？
• RQ4 图的熵是否仅由其谱决定？非同构图是否可能具有相同熵？
• RQ5 基于归一化拉普拉斯矩阵的熵与其它谱度量（如代数连通性或特征值间隙）相比如何？

主要发现

• 对于较大的 $ n $，完全图 $ K_n $ 和规则图均达到可能的最大冯·诺伊曼熵。
• 在 $ n \to \infty $ 时，$ n $-环 $ C_n $ 的熵渐近趋近于 $ K_n $ 的熵，尽管两者代数连通性不同。
• 在边数固定时，具有大团的图熵最小，表明高局部聚类会降低熵。
• 熵随连通分量数和非平凡对称性的增加而上升，表明其度量结构规则性。
• 具有相同特征值（共谱图）的图具有相等熵，但非共谱图（如完美匹配与 $ K_n $ 加孤立顶点）也可能具有相同熵。
• 特征值间隙 $ b(G) = \mu_1 - \mu_2 $ 与熵 $ S(\rho_G) $ 描述不同的图属性：$ b(G) \to 0 $ 对于 $ C_n $，而 $ S(C_n) \to S(K_n) $，表明二者无直接相关性。