复杂网络中的拉普拉斯路径：信息核从熵变中涌现
物理与社会
2022-09-16 v3 无序系统与神经网络
适应与自组织系统
神经元与认知
摘要
复杂网络通常表现出在多个交织尺度上组织的丰富架构。信息通路预期会渗透这些尺度，反映出从网络拓扑分析中无法显现的结构洞察。此外，小世界效应与不同的网络层级相关联，使得共存的中尺度结构和功能核的识别复杂化。我们基于信息扩散提出对复杂网络中有效信息通路的通信性分析，以进一步阐明这些问题。我们采用多种全新理论技术，从而能够：（i）建立量化节点间信息扩散概率的理论框架，（ii）识别复杂网络的关键尺度和结构而与其内在属性无关，以及（iii）证明它们在同步现象中的动力学相关性。结合这些思想，我们揭示了复杂网络上的信息流如何解开不同的分辨率尺度。利用计算技术，我们聚焦于熵变，揭示了一个通用的中尺度对象——信息核，并控制复杂网络中的信息处理。总之，本研究为允许新理论技术提供了大量启示，为引入基于扩散距离的未来重整化群方法铺平了道路。
引用
@article{arxiv.2202.06669,
title = {Laplacian paths in complex networks: information core emerges from entropic transitions},
author = {Pablo Villegas and Andrea Gabrielli and Francesca Santucci and Guido Caldarelli and Tommaso Gili},
journal= {arXiv preprint arXiv:2202.06669},
year = {2022}
}
备注
12 pages, 6 figures. To be published in Phys. Rev. Res