Zusammenfassung: Die Abbildung von Hierarchien und Asymmetrien innerhalb eines Netzwerksystems, einschließlich neuronaler Netzwerke, Gene und sogar sozialer Netzwerke, kann dabei helfen, den Punkt abzuschätzen, an dem ein Netzwerk stark verbunden ist.
Quelle: Universität Birmingham
Eine neue Art, Zusammenhänge in realen Systemen wie Nahrungsnetzen oder sozialen Netzwerken zu beschreiben, könnte zu besseren Möglichkeiten führen, sie vorherzusagen und zu kontrollieren.
Laut einer in der Zeitschrift veröffentlichten Studie PNAS, Die von Mathematikern der University of Birmingham entwickelte Abbildung der Hierarchien und auch der Inkonsistenzen innerhalb eines Systems wird es uns ermöglichen, die Stärken und Schwächen eines Systems vorherzusagen.
Zu verstehen, wie diese Verbindungen funktionieren, ist in vielerlei Hinsicht von entscheidender Bedeutung – zum Beispiel zu wissen, wie sich Krankheiten in einer Bevölkerung ausbreiten oder ob jeder Punkt in einem Kommunikationsnetzwerk „auf dem Laufenden“ ist.
Solche realen Systeme werden von Mathematikern als „gerichtete Netzwerke“ bezeichnet, weil Verbindungen normalerweise in eine bestimmte Richtung fließen. In Nahrungsnetzen zum Beispiel bewegt sich Biomasse im Allgemeinen von Pflanzen nach oben, durch Pflanzenfresser und zu Raubtieren. Netzwerke sind stark verbunden, wenn es möglich ist, sich im Netzwerk zu bewegen, ohne die Richtung zu ignorieren.
Wenn das Netzwerk vollständig „kohärent“ ist, mit unterschiedlichen trophischen Ebenen wie Pflanzen, Pflanzenfressern und Fleischfressern, kann es nicht stark assoziiert werden. Die meisten realen Systeme sind jedoch weder vollständig kohärent noch vollständig inkohärent, sondern liegen irgendwo dazwischen. Im Nahrungsnetz kann dies beispielsweise durch Allesfresser verursacht werden, die Pflanzen und andere Tiere fressen.
Die Forscher fanden heraus, dass es möglich ist, diese trophische Unverbundenheit zu nutzen, um den Punkt abzuschätzen, an dem das Netzwerk stark verbunden wird. Sie zeigten, dass die Methode mit jeder Art von Netzwerk funktioniert, einschließlich Neuronen, Menschen, Arten, Metaboliten, Genen und Wörtern.
Niall Rodgers, Hauptautor des Papiers, sagte: „Unser Ansatz eröffnet aufschlussreiche Möglichkeiten, um all die verschiedenen Arten von Netzwerken zu verstehen, die regelmäßig in einer Gemeinschaft anzutreffen sind. Ein Ausbruch einer Krankheit kann beispielsweise als ein verbundenes Netzwerk angesehen werden mit der Verbreitung von Bakterien durch eine Bevölkerung.
„Zu verstehen, wo Sie sich in diesem Netzwerk befinden und ob die Verbindung stark oder schwach ist, kann entscheidend sein, um Entscheidungen zur Infektionskontrolle zu treffen.“
Samuel Johnson, leitender Autor des Artikels, fügte hinzu: „Dieser Modellierungsansatz könnte auch verwendet werden, um Netzwerke zu stören, da die Punkte anvisiert werden können, an denen die Konnektivität stark wird. Neurologen zum Beispiel könnten durch Identifizierung neue Wege zur Behandlung von Epilepsie finden die spezifischen Verbindungen, die für die Aufrechterhaltung von Anfällen verantwortlich sind.“
Über diese Neuroscience Research News
Autor: Beck Lockwood
Quelle: Universität Birmingham
Kommunikation: Beck Lockwood – Universität Birmingham
Bild: Das Bild ist gemeinfrei
Ursprüngliche Suche: offener Zugang.
„Starke Konnektivität in echten gerouteten NetzwerkenGeschrieben von Niall Rodgers et al. PNAS
eine Zusammenfassung
Starke Konnektivität in echten gerouteten Netzwerken
In vielen realen und vektorisierten Netzwerken ist die stark verbundene Komponente gegenseitig zugänglicher Knoten sehr klein.
Dies passt nicht zur aktuellen Theorie, die auf stochastischen Graphen basiert, wonach eine starke Konnektivität auf Durchschnittswerten und Korrelationen zwischen Bewertungen basiert. Sie hat wichtige Implikationen für andere Eigenschaften realer Netzwerke und das dynamische Verhalten vieler komplexer Systeme.
Wir stellen fest, dass eine starke Konnektivität entscheidend davon abhängt, inwieweit das Netzwerk eine allgemeine Orientierung oder hierarchische Ordnung aufweist – eine Eigenschaft, die an der trophischen Kohäsion gemessen wird.
Mithilfe der Filtertheorie finden wir den kritischen Punkt, der schwach und stark miteinander verbundene Systeme trennt, und bestätigen unsere Ergebnisse in vielen realen Netzwerken, einschließlich ökologischer, neuronaler, geschäftlicher und sozialer Netzwerke.
Wir zeigen, dass die Kommunikationsarchitektur mit minimalem Aufwand durch einen gezielten Angriff auf Kanten, die der allgemeinen Richtung entgegenlaufen, gestört werden kann.
Dies bedeutet, dass viele dynamische Operationen in Netzwerken stark von einem kleinen Teil der Kanten abhängig sein können.
