Abrupt phase transition of epidemic spreading in simplicial complexes
网络几何是一种将网络结构描述为几何对象的方法,它的研究正在彻底改变我们对网络系统动力学过程的理解。在这里,我们处理的问题,传染病传播,使用易感-感染-易感(SIS)模型,在单纯复形。特别是,我们分析了复杂网络中的SIS的动力学,其特征在于成对的相互作用(链接)和三体相互作用(填充三角形,也称为2-单纯形)。这种高阶描述的传染病传播解析制定使用微观马尔可夫链近似。对模型的不动点解的分析揭示了一个有趣的相变,该相变随着2-单形的传染性参数而变得突然。我们的研究结果为网络理论家铺平了道路,以推进我们的物理理解传染病传播在真实的情况下,疾病之间的群体之间以及之间的传播,并更好地了解单纯复合体的动力学过程的行为。
2020-01-23 physics.soc-ph
Local interaction scale controls the existence of a non-trivial optimal critical mass in opinion spreading
我们研究了一个意见形成的模型,其中的集体决策的群体被认为是发生,如果代理的分数具有最常见的意见超过一个阈值,一个\textit{critical mass}。我们发现,存在一个独特的,非平凡的临界质量给予最有效的收敛共识。此外,我们观察到,对于小的临界质量,特征的时间尺度的放松共识分裂成两个。较短的时间尺度对应于直接弛豫,较长的时间尺度可以解释为存在类似于[P.]中发现的中间亚稳态。Chen和S. Redner,Phys.修订版本\ E \textbf{71},036101(2005)]。这个更长的时间尺度取决于达成共识的精确条件-修改条件,它就可以消失。
2010-05-03 physics.soc-ph
Optimal control of a probabilistic dynamic for epidemic spreading in arbitrary complex networks
基于离散时间马尔可夫链过程,提出了一种离散时间概率动力学模型,用于模拟基于接触的传染病传播过程,特别是研究了SIR模型,并给出了该模型的相图。然后,本报告提出了一组方程,代表最优控制策略,通过庞特里亚金的最大值原理,在两种不同的情况下,疫苗接种政策和联合疫苗接种住院政策,并显示了数值模拟,与标准的前向后扫描程序,这些方程。
2017-12-20 physics.bio-ph physics.soc-ph
Effects of social distancing and isolation on epidemic spreading: a dynamical density functional theory model
为防止冠状病毒病COVID-19等流行病传播,保持社交距离及隔离受感染人士至关重要。然而,现有的反应扩散方程的流行病传播是无法描述这些影响。我们提出了一个扩展的疾病传播模型相结合的SIR模型与动态密度泛函理论,明确考虑到社会距离和隔离的感染者。该模型显示了有趣的非平衡相分离与减少感染的数量,并允许新的见解控制流行病。
2020-05-08 physics.bio-ph physics.soc-ph q-bio.PE
Optimal interlayer structure for promoting spreading of SIS model in two-layer networks
现实世界的系统,从社会和生物到基础设施,都可以用多层网络来建模。促进多层网络中的传播动态可以大大促进电子广告和预测流行的科学出版物。在这项研究中,我们提出了一个策略,通过在两个孤立的网络之间添加一个互连的边缘,以促进易感-感染-易感模型的传播动力学。通过应用扰动方法的离散马尔可夫链的方法,我们得到一个指数,估计在互联网络的传播流行。该指数可以被解释为一个变种的Katz中心,其中的邻接矩阵被替换为一个加权矩阵的权重取决于扩散过程的动态信息。在一端及其邻域感染较少但在另一端感染程度较高的边将具有较大的权重。我们通过详尽地检查所有潜在的边缘,并证明性能是最佳的或接近最佳的小型网络上的建议策略的有效性。对于大型的合成网络和真实世界的网络,所提出的方法总是优于其他静态策略,如连接节点的最高程度或特征向量中心。
2019-08-09 cs.SI physics.soc-ph
Optimizing spreading dynamics in interconnected networks
在互连网络的层之间添加边是优化传播动力学的重要方法。虽然以前的研究大多集中在添加一个边缘的情况下,添加多个边缘的理论上的最优策略仍然需要研究。在本研究中,我们基于易感染-易感染(SIS)模型,研究了互联网络中最大化平稳传播流行率的问题。对于两个孤立的网络,我们通过选择多个互连边来最大化临界点附近的传播流行率。我们提出了一个理论分析的基础上的离散时间马尔可夫链的方法来获得近似的最优策略。该策略预测的最佳层间结构使互联网络的传播流行率最大化,同时使传播爆发阈值最小化。在合成网络和真实网络上的数值模拟表明,在临界点附近,该策略比连接大度节点和随机连接具有更好的性能。
2019-08-09 cs.SI physics.soc-ph
Combinatorial approach to spreading processes on networks
定义在复杂网络拓扑上的随机传播模型用于模拟真实世界系统中疾病、信息和意见的传播。现有的理论方法来表征的微观配置方面的模型依赖于一些近似的动力学变量之间的独立性,从而引入了一个系统的偏差在地面实况动态预测。在这里,我们开发了一个组合框架的基础上的近似传播可能只发生沿最短路径连接对节点。近似高估了节点状态之间的动力学相关性,导致有偏见的预测。然而,系统性的偏见指向了与现有近似值相反的方向。我们表明,这两种有偏见的方法的组合产生的地面实况动态的预测是更准确的比两个近似,如果孤立使用。我们进一步利用组合逼近的理论性质的一些推理问题的特征,并表明,微观配置的重建是非常敏感的地方和时间时,获得部分知识的系统。
2021-01-06 physics.soc-ph
Continuous Models of Epidemic Spreading in Heterogeneous Dynamically Changing Random Networks
复杂随机网络中传播过程的建模在理解和预测流行病或谣言传播等许多真实现象中起着至关重要的作用。这种系统的动态可以通过图上的蒙特卡罗模拟或通过常微分方程(ODE)在算法上表示。尽管在网络建模领域取得了许多成果,但选择模型动态的最佳计算表示仍然是一个挑战。虽然封闭形式的描述通常是直接推导出来的,但它通常不能解析求解;因此,网络动力学需要常微分方程的数值解或直接对网络进行蒙特卡罗模拟。此外,Monte-Carlo模拟和ODE解是不等价的,因为ODE产生确定性解,而Monte-Carlo模拟本质上是随机的。尽管最近在蒙特卡洛模拟的一些优势,特别是在实施的灵活性,计算成本的ODE解决方案是低得多,并支持准确和详细的输出分析,如不确定性或灵敏度分析,参数识别等。在本文中,我们提出了一种新的方法来模拟复杂的随机异构网络中的传播过程,使用系统的非线性常微分方程。我们成功地应用这种方法来预测艾滋病毒/艾滋病在性网络中传播的动态,并将其与历史数据进行比较。
2012-11-19 cs.SI physics.soc-ph
Layer-switching cost and optimality in information spreading on multiplex networks
我们研究了一个多路网络上的信息传播模型,在这个模型中,代理人通过多个交互通道(层)进行交互,比如在线与在线。离线通信层,受制于跨不同交互层的传输的层切换成本。该模型的特点是逐层的路径相关的传输率超过接触,这是动态确定的传入和传出的传输层依赖。我们制定了一个分析框架来处理这种路径依赖的传输性,并证明了非平凡的多重性和传播动态之间的相互作用,包括最优性。它表明,流行病的阈值和流行响应的层切换成本的非单调性和最佳条件可以改变突然的非解析的方式,也取决于网络层的密度和种子感染的类型。我们的研究结果阐明了多元化的重要作用,它的明确考虑应该是至关重要的现实建模和预测的传播现象的多元化社交网络在一个时代的社会互动层不断多样化。
2016-02-24 cond-mat.stat-mech cs.SI physics.soc-ph
Identify Influential Spreaders in Asymmetrically Interacting Multiplex Networks
识别最具影响力的传播者对于理解和控制网络中的传播过程非常重要。由于现实世界中的许多复杂系统都可以建模为多层网络,因此多层网络中重要节点的识别问题引起了人们的广泛关注。现有的研究主要集中在多层网络结构上,而忽略了多层网络的结构耦合和动力耦合如何影响网络中节点的动力重要性。在这里,我们调查这个问题的信息-疾病耦合的传播动力学的多元化网络。首先,我们明确地揭示了三个层间耦合因素,即两层的相对传播速度,层间耦合强度和两层的程度相关性,显着影响的节点上的接触层的传播影响。信息层的抑制作用使得接触层的结构中心性不能预测节点在多路复用网络中的传播影响。然后,通过将协同进化传播动力学映射为渗流过程,利用消息传递方法,提出了一种计算单个种子节点疾病爆发规模的方法,该方法可用于估计协同进化传播动力学中节点的传播影响力。我们的工作提供了见解的重要性,在多重网络中的节点,并给出了一个可行的框架,调查有影响力的传播者在不对称的共同进化动力学。
2021-01-07 physics.soc-ph
Optimal community structure for social contagions
社区结构是真实世界网络行为的一个重要因素,因为它强烈影响稳定性,从而影响传播动力学的相变顺序。本文提出了一个包含社会强化因素的社区网络的可逆社会传染模型。在我们的模型中,当接收到的信息单位数量超过其采用阈值时,个体采用社会传染。我们使用平均场近似来描述我们提出的模型,结果与数值模拟一致。数值模拟和理论分析均表明,种子的铺展动力学过程存在一级相变,当初始种子种类较多时,系统中会出现滞后回线。我们找到了一个最佳的社区结构,最大限度地扩大动态。我们还发现了一个丰富的相图与三相点,分离的非扩散阶段的两个扩散阶段。
2018-05-01 physics.soc-ph
Epidemic Dynamics On Information-Driven Adaptive Networks
可以同时进化。在信息驱动的适应过程中,有能力识别疾病的易感(感染)个体会切断其感染(易感)邻居的联系,以防止疫情进一步蔓延。仿真结果和数值分析表明,信息驱动的自适应过程不仅可以减缓传染病传播的速度,而且可以显著降低最终状态下的流行率.此外,疾病的传播和信息扩散模式的格子上给出了一个直观的表示,疾病是如何被困在一个孤立的领域与信息驱动的自适应过程。此外,我们进行局部分岔分析的四种类型的动力学区域,包括健康,振荡,振荡和地方病,了解所观察到的动力学行为的演变。这项工作可能有助于理解信息如何影响人类应对传染病传播的活动。
2015-05-19 physics.soc-ph
Statistical inference of dynamical processes on networks
Tampere University(坦佩雷大学);Goethe University Frankfurt(法兰克福歌德大学);Central European University(中欧大学);Universidad Nacional Autonóma de México(墨西哥国立自治大学)
研究网络二元状态传播过程模型选择,提出通用框架,利用渐近近似预测结果,刻画六种传播机制可检测性,评估其在实证数据集上的普遍性,指出统计模型选择在常见条件下可能失败并给出新方向。
2026-07-10 physics.soc-ph
Optimal Deployment of Resources for Maximizing Impact in Spreading Processes
有效利用有限的资源控制网络上的传播过程在各种情况下都具有重要意义,从确定“有影响力的传播者”以最大限度地传播信息和在监管网络中采取有针对性的干预措施,到制定经济系统中传染病和金融传染病的缓解政策。纯粹基于拓扑参数的这些优化任务的解决方案并不完全令人满意;在现实环境中,问题的特点往往是异构的相互作用,并需要通过一组有限的可控节点在有限的时间窗口内进行干预。因此,可用资源的最佳分配是网络拓扑结构和传播动态之间相互作用的结果。我们将展示如何解决这些问题作为一个通用的分析框架的基础上的一个可扩展的动态消息传递方法的特定实例,并展示了各种现实世界的例子上的方法的有效性。
2016-08-29 cond-mat.stat-mech cs.SI physics.soc-ph
Optimal Curing Strategy for Competing Epidemics Spreading over Complex Networks
在复杂网络中,如何抑制竞争性传染病的传播,最优治疗策略是一个关键问题。在本文中,我们首先建立了一个框架来捕捉两种流行病之间的耦合,然后分析系统的平衡状态,将它们分为三类,并推导出它们的稳定性条件。所设计的治疗策略全局优化治疗成本和网络中流行病的严重程度之间的权衡。此外,我们通过证明解的存在性和唯一性,给出了关于传染病传播可预测性的结构性结果。我们还证明了稳健的治疗策略,通过显示的连续性,流行病的严重程度相对于应用的治疗努力。提出了一种基于不动点迭代的梯度下降算法来求解最优固化策略。根据系统参数的不同,治疗策略可以导致传染病网络的平衡点之间的切换作为控制成本的变化。最后,我们用案例研究来证实和说明所获得的理论结果。
2021-04-20 cs.SY eess.SY physics.soc-ph
Dynamical interplay between awareness and epidemic spreading in multiplex networks
我们提出了两个过程之间的相互关系的分析占流行病的传播,并防止其感染的信息意识,在多重网络的顶部。这种情况是一个流行病的过程中传播的持久的真实接触的网络,和一个循环的信息意识过程中传播的虚拟社会接触网络之间的相同的个人。拓扑结构对应于一个多重网络,其中两个扩散过程相互作用,相互影响。使用微观马尔可夫链方法(MMCA)的分析揭示了流行病的发病率的相图,并允许捕获的流行阈值的演变取决于多路复用的拓扑结构和与意识过程的相互关系。有趣的是,流行病爆发的临界点有一个由意识动态和虚拟网络拓扑定义的临界值(亚临界点),从该临界点开始,爆发时间增加,流行病发生率降低。
2013-09-19 cond-mat.stat-mech cs.SI physics.soc-ph
Temporal network sparsity and the slowing down of spreading
时变复杂系统中的相互作用在拓扑层次(谁与谁相互作用)和时间层次(相互作用何时发生以及多久发生一次)上通常是非常异构的。虽然它是已知的,时间的不均匀性往往有很强的动态过程的影响,例如,突发性的接触序列与较慢的传播动态,图片是远远不够完整。在本文中,我们表明,时间的异质性导致时间稀疏的时间尺度上的平均事件间时间,时间稀疏性决定了时间网络上的易感传染病(SI)传播动力学的减速量。这一结果是基于几个经验的时间网络数据集的分析。一个简单的网络模型的近似解证实了时间稀疏性和SI传播动力学放缓之间的关联。由于确定性SI传播总是遵循最快的时间路径,我们的结果概括-路径是较慢的遍历,因为时间稀疏,因此所有的动态过程也较慢。
2014-11-20 cs.SI physics.soc-ph
Dissecting localization phenomena of dynamical processes on networks
局域化现象渗透到物理学的许多分支中,对异质网络上的动力学过程起着基础性的作用。这些本地化分析经常接地,例如,在相邻或非回溯矩阵的特征向量出现在理论的动态过程附近的一个积极的到不积极的过渡。在这个问题上,我们推进测量节点活动,以量化网络上的动态过程中的本地化,无论它们是否接近过渡。该方法是通用的,适用于理论,随机模拟和真实数据。我们研究了广泛的网络上的传播过程,分析和数值计算,表明节点活动可以呈现复杂的模式,这取决于网络结构。使用退火网络,我们表明,一个本地化的状态,在过渡和地方病阶段,就在它上面的传播过程是不兼容的功能。我们还报告说,流行病的流行程度附近的过渡是由网络的离域组件,即使当分析的参与率的倒数表明本地化的活动。此外,具有不同临界指数的动力学过程可以用相同的局部化模式来描述。转向淬火网络,一个更复杂的图片,取决于激活的类型和度指数的范围内,观察和讨论。我们的工作为研究网络传播和其他过程中的局部活动铺平了重要道路。
2020-11-22 physics.soc-ph
Information spreading on dynamic social networks
当今社会,信息在社交网络上的传播已经引起了各学科的高度重视。以往的研究主要集中在讨论传播概率或免疫策略对静态网络的影响。然而,在实际系统中,对等网络的结构不断变化,根据频繁的社会活动的用户。为了捕捉这种动力学特性,并研究其对信息传播的影响,本文介绍了一种基于费米函数的链路重布线策略。在当前的模型中,知情的个体倾向于打破旧的联系,并与更多不知情的邻居重新连接到他们的二阶朋友。对具有固定恢复时间的可恢复-感染-恢复(\textit{SIR})模型$T=1$的仿真结果表明,该策略能使信息传播更快、更广.对信息级联规模分布的广泛分析表明,初始步骤的传播过程起着非常重要的作用,也就是说,如果信息在初始时刻仍然存活,那么它就会传播出去。该模型对深入理解动态社交网络上的信息传播具有一定的启发意义。
2013-08-19 cs.SI physics.soc-ph
Dynamical Networks for Smog Pattern Analysis
烟雾作为空气污染的一种形式,对世界的环境,健康和经济构成严重问题[1-4]。以往对烟雾的研究主要集中在烟雾的成分和影响上[5-10]。然而,随着烟雾发生的频率和持续时间的增加,对烟雾的预测和控制至关重要的烟雾模式却很少被研究,这主要是由于烟雾的成分、成因和传播过程的复杂性。在这里,我们报告的第一次分析烟雾模式应用模型的动态网络自发恢复。我们发现,许多现象,如突然爆发和消散的烟雾和长时间的烟雾可以揭示的数学机制下的随机行走模拟。我们提出了现实世界的空气质量指数数据符合模型的预测。研究还发现,与污染物从附近扩散等外部原因相比,工业污染和现场产生的车辆排放等内部原因对整个网络的健康更为关键。最引人注目的是,我们证明了通过将污染源转移到附近的郊区来分散污染源,这是烟雾控制的常见做法,在一定条件下会降低系统的整体健康
2015-11-21 physics.soc-ph
Optimal resource diffusion for suppressing disease spreading in multiplex networks
资源扩散是一种普遍存在的现象,但其对传染病传播的影响却鲜有研究。提出了一个耦合传染病传播和资源扩散的多路网络模型。物理接触层中疾病的传播和受感染节点的恢复都强烈依赖于社会层中对应节点提供的资源。社会层中资源的产生和扩散又强烈依赖于物理接触层中节点的状态。在该模型中,资源优先或随机扩散。为了量化优先扩散的程度,提出了一个控制资源扩散的偏差参数。我们进行了大量的模拟,发现优先的资源扩散可以改变相变类型的感染节点的分数。当层间关联度低于某一临界值时,增大偏压参数会使双连续相变相变变为单连续相变。当层间关联度大于某一临界值时,相变由多次连续→不连续→混合。我们发现在相变中存在磁滞回线。我们还发现,有一个最佳的资源策略,在每个固定程度的层间相关性的阈值达到最大值,并在该疾病可以被最大限度地抑制。最优控制参数随层间关联度的增大而增大。
2018-01-11 physics.soc-ph q-bio.PE
Optimal Resource Allocation for Network Protection Against Spreading Processes
University of Pennsylvania(宾夕法尼亚大学)
研究如何在任意有向网络中通过节点分布保护资源来遏制传播过程,分析预防和纠正资源的最优分配及最小预算问题,采用几何规划在多项式时间内解决。
2014-05-11 cs.SY eess.SY math.OC
Identifying super-spreaders in information-epidemic coevolving dynamics on multiplex networks
在医疗资源有限的情况下,识别疫情中的超级传播者对抑制疾病传播具有重要意义。在现代社会,疫情信息通过各种传播渠道迅速传播,对遏制疫情起到了重要作用。本文研究了信息-疾病耦合传播动力学中超级传播者的识别问题。首先,我们发现物理接触层的中心性不再有效地识别流行病中的超级传播者,这是由于信息传播的抑制效应。在此基础上,通过考虑传播层和物理接触层之间的结构耦合和动力耦合,提出了一种耦合敏感中心性测度,用于识别疾病传播中的超级传播者。在合成网络和真实网络上的仿真结果表明,该方法不仅比单一网络上的中心度更准确,而且在识别超级传播者方面也优于两种典型的多层中心度.这些发现意味着,考虑层间的结构和动力学耦合是非常必要的,以确定在耦合多层系统中的关键作用。
2021-08-25 physics.soc-ph
Locating the source of diffusion in complex networks by time-reversal backward spreading
在复杂网络中,从社会和互联网上的传染病传播到人体内的癌症转移,定位触发动态过程的源是一个基本但具有挑战性的问题。准确定位源的能力受到同时访问大规模复杂网络中所有节点信息的能力的限制。因此,这就提出了两个关键问题:我们如何从不完整的信息中定位源,以及我们能否从给定的一组可观察节点在任何可能的位置实现源的完全定位。在这里,我们开发了一个时间反演反向传播算法来定位的扩散类过程的源有效地,并提出了一个一般的定位条件。以传染病传播和共识动力学为典型动力学过程,对算法进行了测试,并将其应用于中国甲型H1N1流感疫情。我们发现,只要可定位性条件得到保证,源可以精确地定位在任意网络。我们的工具大大提高了我们的能力,在复杂的网络中,基于有限的节点信息的可访问性的扩散源。此外,它们对控制复杂网络上发生的各种动力学过程具有影响,例如抑制流行病,减缓谣言的传播,污染控制和环境保护。
2016-11-12 cs.SI physics.soc-ph
Hidden dependence of spreading vulnerability on topological complexity
复杂系统中的许多动力学现象都与网络(通常称为时间网络)上的传播有关,这些网络具有随时间变化的结构。一个复杂系统的倾向,以促进传播现象,我们称之为它的“传播能力”,往往是推测有关的拓扑结构的时间网络系统的特点。然而,直接从时态网络的拓扑信息中干净地提取复杂系统的传播脆弱性仍然是一个挑战。在这里,使用数据从一个不同的现实世界的复杂系统,我们开发的“熵的时间纠缠”作为一种新颖的和有见地的数量来衡量拓扑的时间网络的复杂性。我们表明,这个参数自由量自然允许拓扑结构的比较,在非常不同的复杂系统。重要的是,通过模拟三种不同类型的随机动力学过程在时间网络上发挥作用,我们证明了时间纠缠的熵作为系统传播脆弱性的定量体现,而不管过程的细节。如果能够做到这一点,在能够定量地提取一个复杂系统的倾向,以促进从拓扑学的传播现象,这种熵的措施打开了自己的应用在各种各样的自然,社会,生物和工程系统。
2022-04-14 cs.SI physics.soc-ph
Optimal curing policy for epidemic spreading over a community network with heterogeneous population
设计一个有效的治疗政策,能够阻止一个流行病的过程在一个负担得起的成本,必须考虑到人口接触网络的结构,支持传染过程。因此,我们解决了在人群中分配恢复资源的问题,以尽可能低的成本防止流行病在网络中无限期地持续下去。具体地说,我们分析了一个易感染的易感流行病过程的加权图上传播,通过一阶平均场近似。首先,我们描述了接触网络的动态的流行病之间的一个非齐性总体,这可能是分为社区的影响。对于社区网络的情况下,我们的调查依赖于公平分区的图论概念,我们表明,流行病的阈值,对流行病传播的网络鲁棒性的一个关键措施,可以确定使用一个低维的动力系统。利用计算的流行病阈值,我们确定了成本最优的治疗策略,通过解决一个凸极小化问题,它具有一个减少的社区网络的情况下的维数。最后,我们考虑了一个两层的最优固化问题,对于这个问题,我们设计了一个在网络规模下具有多项式时间复杂度的算法。
2017-12-01 cs.SI math.OC physics.soc-ph
The risk of contagion spreading and its optimal control in the economy
2008年的全球危机激发了科学家对研究这一现象、其传播和负面后果的更大兴趣。病毒传播的建模过程通常用于流行病学。从概念上讲,疾病在人群中的传播类似于经济中的传染过程。这种相似性允许使用流行病学中经常使用的感染传播数学模型来考虑世界金融体系中的传染。我们的研究重点是全球金融网络中传染扩散的动态行为。测试了各国国家银行系统网络中风险的系统性传播的影响。最优控制问题,然后制定模拟控制,可以避免重大的财务损失。研究结果表明,该方法较好地描述了世界经济的现实,强调了国家间的国际关系对金融稳定的重要性。
2018-12-17 physics.soc-ph q-fin.GN
Quantifying Transient Spreading Dynamics on Networks
网络上的传播现象对于各种自然和技术系统的集体动力学是必不可少的,从基因调控网络中的信息传播到神经回路,或者从流行病到经历扰动的供应网络。尽管如此,局部扰动如何在网络中传播还没有定量的了解。在这里,我们分析了确定性网络动力系统接近一个给定的操作点的一般传播动力学。标准动力系统理论没有明确地提供瞬态扩展信号的到达时间和幅度的度量,因为它关注于不变集、不变度量和其他与瞬态行为不太相关的量。我们在这里改变的角度,并引入确定性动力学的有效期望值,制定出一个理论,明确量化何时以及如何强烈的扰动开始在一个网络的一个单元影响任何其他。该理论提供了明确的定时和幅度信息作为初始扰动和响应单元的相对位置以及整个网络拓扑结构的函数。
2017-10-26 cond-mat.dis-nn physics.data-an physics.soc-ph
Dynamic perturbation spreading in networks
了解局部扰动如何引起耦合单元网络的瞬态动力学对于控制和操作此类系统至关重要。通常,在一个单元中发起的扰动会传播到其他单元,这些单元的动力学状态会被它们瞬时改变。这些单元的最大状态变化和这些变化的定时构成了这种瞬态响应动态的关键特征。然而,即使对于线性动力系统,也不可能解析地确定单元对扰动的最大响应的时间和幅度。在这里,我们建议提取近似的峰值时间和振幅有效的期望值,用于表征典型的时间和幅度的响应的一个单位,通过解释系统的响应随时间的概率分布。我们推导出解析估计的峰值响应的基础上,这些期望值的措施,在线性系统接近一个稳定的不动点。这些估计量可以用系统雅可比矩阵的逆矩阵来表示。我们得到了相同的结果与不同的近似的响应动力学,表明这些估计成为精确的弱耦合的限制。此外,研究结果表明,在具有扩散耦合的网络中,扰动是弹道式传播的。
2021-06-01 physics.soc-ph
Disease spreading in populations of moving agents
我们研究了运动对疾病传播的影响,在一个系统的随机步行者,另外进行长距离跳跃。代理运动中的一小部分跳跃足以破坏局部相关性,并产生流行阈值的大幅下降,这在平均场近似中得到了很好的解释。这种效应类似于静态小世界网络中的交叉,并且可以进一步与代理交互的动态网络的结构特性相关联。
2007-07-11 physics.bio-ph physics.soc-ph
Learning Interpretable Collective Variables for Spreading Processes on Networks
Zuse Institute Berlin(柏林齐泽研究所);FutureLab on Game Theory and Networks of Interacting Agents, Potsdam Institute for Climate Impact Research(波茨坦气候影响研究所博弈论与相互作用智能体网络未来实验室);Potsdam Institute for Climate Impact Research(波茨坦气候影响研究所);Complexity Science Department, Potsdam Institute for Climate Impact Research(波茨坦气候影响研究所复杂性科学系);Department of Mathematics, University of Bayreuth(拜罗伊特大学数学系)
本文提出一种数据驱动方法,用于学习和理解网络上二元状态扩散过程的低维集体变量,通过四个不同网络示例验证了低维集体变量的存在。
2024-01-08 math.DS physics.soc-ph
Optimal Allocation of Resources for Suppressing Epidemic Spreading on Networks
有效配置有限的医疗资源是控制网络流行病传播的关键。基于易感-感染-易感模型,在每个节点的治愈率与其医疗资源正相关的条件下,解决了如何最好地分配有限的资源以使患病率最小的优化问题.利用猝灭平均场理论和异质平均场(HMF)理论,证明了当每个节点的治愈率与其度成正比时,传染病的爆发将得到最大程度的抑制,在此条件下,有效感染率$λ$存在一个最大阈值$λ_c^{opt}=1/\left\langle k \right\rangle$,其中$\left\langle k \right\rangle$为底层网络的平均度.对于弱感染区域($λ\gtrsimλ_c^{opt}$),本文将摄动理论与拉格朗日乘子法(LMM)相结合,导出了治愈率最优分配的解析表达式,并得到了相应的最小患病率。对于一般感染域($λ>λ_c^{opt}$),利用HMF理论和LMM将高维优化问题转化为低维非线性方程组的数值求解。与直觉相反,在强感染区域,低度节点应比高度节点分配更多的医疗资源,以最大限度地降低患病率。最后,我们使用模拟退火来验证理论结果。
2017-02-26 physics.soc-ph q-bio.PE
Optimal control of epidemic spreading in presence of social heterogeneity
COVID-19的传播在大多数国家都通过非药物干预措施得到了遏制。特别是,这方面最有效的措施是企业和学校的居家和关闭策略。然而,全民封城远未达到最佳效果,并带来严重的经济后果。因此,现在有一个强烈的兴趣,设计更有效的限制。在这项工作中,从最近的动力学类型的模型,考虑到所描述的个人的社会接触的异质性,我们分析了引入最优控制策略的系统,有选择地限制接触的平均数量,从而减少感染病例的数量的影响。由于数据驱动的方法,我们表明,这种新的数学模型允许评估社会限制的影响。最后,使用这里介绍的模型,从现有的数据出发,我们显示了所提出的选择性措施,以抑制流行趋势的有效性。
2021-11-04 math.OC nlin.AO physics.soc-ph
From neurons to epidemics: How trophic coherence affects spreading processes
营养相干性是有向网络中节点在层次上组织程度的度量,最近已被证明与复杂系统的许多结构和动力学方面密切相关,包括图形特征谱、反馈周期的存在与否以及线性稳定性。此外,在神经元、物种、基因、代谢物、细胞信号、连接词、P2P用户和世界贸易的网络中已经观察到非平凡的营养结构。在这里,我们考虑两个简单的,但显然是完全不同的动力学模型-一个易感-感染-易感(SIS)流行病模型,适用于包括复杂的传染病,另一个Amari-Hopfield神经网络-并表明,在这两种情况下,相关的传播过程调制以类似的方式由底层网络的营养连贯性。为此,我们提出了一个网络组装模型,它可以生成具有可调营养相干性的结构,限制在完美分层网络或随机图中。我们发现,营养相干性可以在传播行为中产生质的变化,决定活动脉冲是否会渗透到整个网络或保持局限于节点的子集,以及这种活动是否会迅速消失或无限期地持续下去。这些结果可能对我们理解流行病、谣言、生态系统冲击、神经元雪崩和许多其他传播过程等现象很重要。
2016-07-21 cond-mat.dis-nn physics.soc-ph
Asymmetrically interacting spreading dynamics on complex layered networks
疾病通过物理接触网络的传播和疾病信息通过通信网络的传播是两个密切相关的动力学过程。我们通过关注任何传播过程背后的两个基本量:流行阈值和最终感染率,研究了两种类型的传播动态之间的不对称相互作用,每种传播动态都发生在自己的层上。我们发现,接触层上的流行病爆发可以诱导传播层上的流行病爆发,信息传播可以有效地提高流行病的阈值。当两层之间存在结构相关性时,信息阈值保持不变,但可以提高流行阈值,使接触层对流行病爆发具有更强的弹性。我们开发了一个物理理论来理解这两种类型的传播动力学之间错综复杂的相互作用。
2014-05-08 cs.SI physics.soc-ph
Ranking the spreading influence in complex networks
识别网络中节点的传播影响力是优化网络结构、确保信息更有效传播的一项重要任务。本文通过考虑目标节点与$k$ -core值最大的节点集之间的最短距离,提出了一种改进的排序表生成方法来评估节点的传播影响力。通过与4个真实网络和Barabási-Albert网络的传播过程结果比较,无参数方法比度$k$、贴近中心度、$k$ -壳和混合度分解方法更能准确地识别节点传播影响.这将有助于深入理解网络中节点的重要性。
2014-08-20 cs.SI physics.soc-ph
Coevolution spreading in complex networks
疾病、行为和信息在真实系统中的传播很少是相互独立的,而是通过强相互作用共同进化的。网络协同进化传播的时空演化模式和临界现象对于揭示其动力学机制具有重要意义,它为控制传染病传播、预测社会系统中的集体行为等提供了理论基础,因此复杂网络协同进化传播动力学研究受到了众多学科的关注。本文介绍了协同进化传播动力学研究的最新进展,强调了统计力学和网络科学角度的贡献。详细介绍了生物传染、社会传染、免疫意识和免疫资源等4种典型的协同进化传播机制的理论方法、临界现象、相变、相互作用机制和网络拓扑效应,并讨论了该领域面临的挑战和有待进一步研究的问题。
2019-07-18 cs.SI physics.soc-ph
Impact of the distribution of recovery rates on disease spreading in complex networks
研究了具有任意恢复率分布的一般传染病模型.这个简单的偏离标准设置足以证明,在动力学参数的不均匀性可以作为更重要的研究结构的不均匀性。我们的分析解决方案是能够预测的转变引起的异质恢复率的关键属性。此外,我们表明,传染性的临界值往往小于淬火平均场方法预测的均匀的情况下,它可以链接到恢复率的方差。然后,我们说明的作用,动态-结构的相关性,这使得一个完整的变化的关键行为。我们表明,它是可能的幂律网络拓扑结构的行为类似于一个均匀的结构,通过适当的调整其恢复率,反之亦然。最后,我们展示了恢复率的异质性如何影响传播过程的网络本地化特性。
2018-12-11 cond-mat.stat-mech physics.soc-ph
Efficiency of Human Activity on Information Spreading on Twitter
了解对个人行为的集体反应是在社交媒体上有效传播信息的关键。在这项工作中,我们定义的Twitter上的效率,作为新兴的传播过程和用户所采用的活动之间的比率。我们通过对人类互动中出现的结构和动态模式的定量分析来表征这一属性,并表明它在几个Twitter对话中具有普遍性。我们发现,一些有影响力的用户通过发送的每条消息有效地引起了显着的集体反应,而大多数用户必须付出更大的努力才能达到类似的效果。接下来,我们提出了一个模型,再现发生在Twitter上的转发级联来解释用户效率的紧急分布。该模型表明,会话的动态模式强烈地受到底层网络的拓扑结构的制约。我们的结论是,一小部分非常有效的用户的外观的结果从追随者网络的异质性和独立的个人用户行为。
2014-11-03 cs.SI physics.soc-ph
Explosive transitions induced by interdependent contagion-consensus dynamics in multiplex networks
我们引入了一个模型来研究社会系统中信息传播和意见形成之间的微妙关系。为此,我们提出了一个两层多路复用网络模型,其中共识动态发生在一个层,而信息传播贯穿另一个。这两个动力学过程是相互耦合的,考虑到控制参数的动态演化的节点的状态,在每一层内取决于在其他层的动态状态。特别是,我们探讨的情况下,共识是青睐的共同采用的信息,而信息传播的推动代理共享相似的意见。数值模拟和一些分析结果指出,当两层动力学之间的耦合足够强时,会出现双重爆炸性转变,即一致性动力学和信息传播的爆炸性转变。这种爆炸性的转变导致了双稳定区域,其中共识知情的状态和不同意无知的状态都是稳定的解决方案。
2019-01-13 nlin.AO physics.soc-ph
Effects of memory on spreading processes in non-Markovian temporal networks
许多生物、社会和人造系统用时间网络来描述更好,即网络的链接只存在于特定的时间点,而不是静态的。特别是,它已被发现,非马尔可夫是一个必要的成分,以捕捉真实世界的网络的非平凡的时间模式。然而,我们对记忆如何影响在时间网络上发生的动态过程的性质的理解仍然非常有限,特别是限于短期记忆的情况。在这里,通过引入一个模型的时间网络,我们可以精确地控制连接密度和强度和长度的记忆为每个环节,我们揭示了记忆的动态传染病传播过程中发挥的作用。令人惊讶的是,我们发现,在我们的时间网络的平均传播时间往往是非单调依赖于内存的长度,最大化的传播时间的内存长度的最佳值取决于内存的强度和网络中的链接的密度。通过分析论证,我们探讨了改变连接任何两个节点的网络路径的数量和长度对最佳内存值的影响。
2018-10-09 physics.data-an physics.soc-ph
Impacts of complex behavioral responses on asymmetric interacting spreading dynamics in multiplex networks
传播-接触分层网络中的信息扩散和疾病传播是典型的非对称耦合关系,其中个体对疾病的感知和反应对疾病传播有重要影响。最近的许多研究表明,人类行为采用是一个复杂的非马尔科夫过程,其中采用一种行为的概率取决于接收信息的累积次数以及这些累积信息的社会强化效应。我们研究了这种非马尔可夫疫苗接种行为对流行动力学和控制效果的影响。我们发现,这种复杂的采用行为引起的通信层可以显着提高流行阈值,降低最终的感染率。通过将社会成本定义为疫苗接种成本和治疗成本之和,我们证明了存在一个最优的社会强化效应或最优的信息传递率,允许最小的社会成本。我们还发展了一个基于平均场的理论来验证模拟结果的正确性。
2016-06-17 cs.SI physics.soc-ph
Optimal test-kit based intervention strategy of epidemic spreading in heterogeneous complex networks
我们提出了一个确定性的传染病房室模型,认为测试试剂盒作为一个重要的成分,抑制和缓解流行病。一个严格的模拟(与分析参数),揭示了有效的减少最终的爆发规模和感染高峰作为一个函数的基本繁殖数在一个单一的补丁。此外,为了研究长距离和短距离的人类迁移之间的补丁的影响,我们考虑了异构网络的线性扩散连接是由网络链接结构。我们在数字上证实,在具有较大程度或介数中心的节点(补丁)的部分中实施测试套件可以显着降低感染的峰值(以及最终的爆发规模)。一个新一代的矩阵为基础的分析处理,以找出在整个网络的流行病的爆发的临界传播概率。最后,最优干预策略在两个真实的网络:全球机场网络和印度加尔各答的交通网络进行了验证。
2020-10-15 nlin.AO nlin.CD physics.bio-ph
Accurate ranking of influential spreaders in networks based on dynamically asymmetric link-impact
我们提出了一个有效和准确的衡量排名的传播者,并确定有影响力的网络传播过程中。虽然边决定了节点之间的连接,但它们在传播中的具体作用应该明确考虑。连接节点i和j的边对于从i扩展到j和从j扩展到i的重要性可能不同。关键问题是节点j在通过边被i感染后,是否会接触到i本身无法直接到达的其他节点。有必要调用两个不等的权重wij和wji,根据节点i和j的邻域来表征边缘的重要性。源自节点的总不对称方向权重导致一种新的度量si,其量化了节点在扩散过程中的影响。s-shell分解方案进一步为节点分配s-shell指数或加权核心。基于si和加权核心度的排名的有效性和准确性通过将它们应用于九个真实世界的网络来证明。结果表明,它们通常优于基于节点度和k壳指数的排名,同时保持较低的计算复杂度。我们的工作代表了理解和控制疾病、谣言、信息、趋势和网络创新传播的关键一步。
2017-05-10 cs.SI physics.soc-ph
Cooperative epidemic spreading on a two-layered interconnected network
研究了传染病传播在两层互联网络上的动力学行为。提出了三个不同层次的模型来描述互联网络上的合作传播过程,其中一个网络中的疾病可以传播到另一个网络。理论分析表明,互联网络中的全局流行阈值不大于两个孤立的分层网络的流行阈值。特别是,在一个互联的同质网络,详细的理论分析,这使得快速和准确的计算的全球流行病阈值。此外,在节点度之间存在层间相关性的互联异构网络中,发现层间相关系数对流行阈值的影响很小,但对总流行有显著影响。仿真结果进一步验证了分析结果,表明合作流行过程促进了疾病的传播。
2017-02-13 cs.SI physics.soc-ph
Unifying Markov Chain Approach for Disease and Rumor Spreading in Complex Networks
扩散过程在自然和人工系统中普遍存在。它们可以通过大量的模型进行研究,这取决于所研究现象的具体细节。疾病传染和谣言传播是其中最重要的过程,因为它们具有实际意义。然而,尽管它们之间有相似之处,目前的模型分别解决了这两个传播动态。在本文中,我们提出了一个一般的信息传播模型,是基于离散时间马尔可夫链。该模型包括所有的转变,是合理的疾病传染过程和谣言传播。我们表明,我们的模型不仅涵盖了传统的传播计划,但它也包含了一些功能相关的社会动态,如冷漠,遗忘,失去/恢复的兴趣。该模型进行了分析评估,以获得在几种情况下的接触和反应过程的传播阈值和早期的动力学行为。与蒙特卡罗模拟的比较表明,马尔可夫链的形式是高度准确的,而它在计算效率优于。我们圆满结束我们的工作,展示了如何提出的框架可以应用到社交网络上发生的传播过程的研究。
2016-09-05 cs.SI physics.soc-ph
Epidemic spreading on multigraphs
Universidade Federal de Viçosa(维索萨联邦大学);Universidade de São Paulo(圣保罗大学)
通过比较具有相同度序列和自然上截断的简单图与多重图上的几种流行病模型,研究多重连接如何影响流行病传播,发现只有当流行病活动能在孤立枢纽(星形子图)上持续指数长的时间时,两者才会出现差异。
2026-05-28 physics.comp-ph physics.soc-ph
Complex information dynamics of epidemic spreading in low-dimensional networks
本文提出一个通用数学框架,用于建模复杂网络上节点携带多种信息的动力学,并在低维网络上以流行病传播为例进行说明。
2023-05-09 cond-mat.stat-mech physics.soc-ph q-bio.PE
Epidemic Spreading in Weighted Networks: An Edge-Based Mean-Field Solution
权重分布在很大程度上影响网络上发生的传染病传播。本文研究了具有不同权分布的正则随机网络上的易感-感染-易感模型。仿真结果表明,更均匀的权重分布导致更高的流行病,不幸的是,这是不能捕捉到的传统的平均场近似。本文给出了一般权值分布的基于边缘的平均场解,该解能定量再现仿真结果。该方法可用于表征加权网络动力过程的非平衡稳态。
2011-12-24 cs.SI physics.data-an physics.soc-ph
Epidemic Spreading on Activity-Driven Networks with Attractiveness
我们研究SIS传染病传播过程展开最近概括的活动驱动的建模框架。在这个时变网络模型中,每个节点由两个变量描述:活动性和吸引力。第一,描述了形成联系的倾向。第二,定义吸引他们的倾向。我们推导出分析考虑的时间尺度驱动的接触和传染的演变可比的流行阈值。这些解是通用的,适用于任何活动和吸引力的联合分布。通过考虑异质分布和两个变量之间的不同相关性进行的大规模数值模拟,证实了理论图片。我们发现吸引力的异质分布改变了传染过程。特别是,在两个变量之间不相关和正相关的情况下,异质吸引力促进了传播。相反,活动和吸引力之间的负相关阻碍了传播。所提出的结果有助于了解时变网络的动力学性质及其对在其结构上展开的传染现象的影响。
2017-09-11 cs.SI physics.soc-ph
Non massive immunization to contain spreading on complex networks
控制流行病的最佳策略是通过有效的免疫接种以最小的成本拆除接触网络。然而,网络碎片在实践中很少可以访问,并且可能会产生极端的副作用。在这项工作中,我们研究了远低于渗流阈值的流行病遏制免疫人口分数。我们报告说,适度和弱监督免疫接种可以导致有限的传染病阈值的无标度网络上的易感-感染-易感模型通过改变从一个特定的基序到一个集体驱动的过程的过渡的性质。修剪有效的散布器并增加它们的相互分离对于集体激活来说都是必要的。分数的免疫顶点需要消除的流行病,这是远远小于渗流阈值观察到一个广泛的真正的网络考虑有针对性的或熟人免疫策略。我们的工作有助于构建最佳遏制,通过非大规模和可行的免疫策略来保护网络功能。
2019-12-20 cs.SI physics.soc-ph
Eigenvector localization in real networks and its implications for epidemic spreading
邻接矩阵的谱特性,特别是它的最大特征值和相关的主特征向量,支配着复杂网络的许多结构和动力学特性。在这里,我们专注于本地化性质的主要特征向量在现实网络。我们发现,在大多数情况下,它是本地化的最大程度的节点(枢纽)及其最近的邻居所定义的星,或在密集连接的子图定义的最大$K$-核心的$K$-核心分解。主特征向量的局部化通常与最大特征值的值强相关,该最大特征值由相应局部化子图的局部特征值给出,但有时会出现不同的情况。我们还表明,简单的有针对性的免疫策略传染病传播是非常敏感的实际本地化设置。
2018-01-17 cs.SI physics.soc-ph
Epidemic spreading driven by biased random walks
随机游走是在许多网络应用中发现的基本机制之一。研究了复杂网络上由有偏随机游动驱动的传染病传播动力学。在我们的传染病模型中,每次被感染的节点不断地通过有偏随机游走将一些被感染的数据包传播到它们的邻居节点,导致接收数据包的易感节点被感染。被感染的节点以固定的概率从感染中恢复。对模型和真实网络的仿真分析结果表明,随着感染节点的传递能力、节点平均度、节点度分布均匀性的增加,传染病传播的强度和范围都增大。此外,还存在相应的最优参数,使得感染节点瞬时拥有最大种群,传染病传播过程覆盖网络的最大部分。
2014-08-01 cs.SI physics.data-an physics.soc-ph
Epidemic Spreading with External Agents
我们研究流行病在大型网络中的传播过程,当传播是由少量的外部代理人协助:传染源有界的传播能力,但其运动是不受限制的相对于底层的网络拓扑结构。对于网络的“空间限制”,我们表明,感染的传播可以显着加快,甚至由几个这样的外部代理随机感染。此外,对于一般的网络,我们推导出上界的顺序的传播时间实现某些简单的(随机/贪婪)的外部传播政策。相反,对于某些常见的网络类,如线图,网格和随机几何图形,我们还推导出所有(潜在的网络状态感知和对抗)外部传播策略的传播时间的顺序上的下限;这些对抗的下限匹配(对数因子)的传播时间实现的外部代理与随机传播策略。这表明,由外部代理进行的随机的、状态无关的感染传播实际上是在这种空间受限网络中传播的顺序最优。
2014-04-13 cs.IT cs.NI cs.SI