一种连接随机网络结构与流动的双网络方法
A dual network approach to connect structure and flow in random networks
- Spanish National Research Council (IDAEA-CSIC)（西班牙国家研究委员会（IDAEA-CSIC））
- Geoscience Montpellier, CNRS, Université de Montpellier（蒙彼利埃地球科学实验室，法国国家科学研究中心，蒙彼利埃大学）
- Geoscience Rennes, Université de Rennes（雷恩地球科学实验室，雷恩大学）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
本文提出双网络方法，揭示随机网络中两个水力行为不同的交错子网络，并据此推导出基于网络拓扑和 disorder 分布预测重尾流动统计的普适解析方法。
AI中文摘要：
已知随机网络中的流动表现出重尾统计特性，从而在广泛的生物、环境和工程系统中引发反常输运。然而，结构如何决定流动仍是一个悬而未决的问题。在此，我们推导出一种双网络方法，将流动统计与网络属性联系起来。在一系列网络中的条件统计揭示了两个具有不同水力行为的交错子网络的存在。基于这一隐藏结构，我们推导出一种普适的解析方法，该方法基于网络拓扑和 disorder 分布，在多种随机网络中预测重尾流动统计。
英文摘要：
Flows in random networks are known to exhibit heavy-tailed statistics, giving rise to anomalous transport in a range of biological, environmental and engineered systems. Yet, how structure determines flow remains an open question. Here we derive a dual network approach that relates flow statistics and network properties. Conditional statistics in a range of networks reveal the existence of two interlaced subnetworks with distinct hydraulic behaviors. Based on this hidden structure, we derive a universal analytical approach that predicts heavy-tailed flow statistics based on network topology and disorder distribution across a range of random networks.
