奇偶性与时间反演阐明经验模型中的决策及临界布尔网络中的吸引子标度
适应与自组织系统
2021-07-20 v5
摘要
我们展示了奇偶反演与时间反演在随机离散模型中由简单动力学规则涌现复杂行为的新应用。我们基于奇偶性的因果关系编码与时间反演构造高效地揭示了稳定流形与不稳定流形的离散类比。我们通过研究系统生物学与统计物理模型中的决策来展示其预测能力。这些应用支撑了一种为随机动力学下布尔网络实现的新型吸引子识别算法。其速度使得能够解决一个长期开放问题：临界随机布尔网络中的吸引子计数如何随网络规模标度，以及该标度是否与生物学观测匹配。通过对探测网络规模 80 倍的改进 ()，我们发现低得惊人的标度指数 ——约为解析上界十分之一。我们展示了一个普遍原理：一个系统与其时间反演和状态空间反演的关系约束了其涌现行为的集合。
引用
@article{arxiv.2009.05526,
title = {Parity and time-reversal elucidate both decision-making in empirical models and attractor scaling in critical Boolean networks},
author = {Jordan C. Rozum and Jorge Gómez Tejeda Zañudo and Xiao Gan and Dávid Deritei and Réka Albert},
journal= {arXiv preprint arXiv:2009.05526},
year = {2021}
}
备注
The IPython Notebook referenced in supplemental information, along with other reproduction materials, is available at https://github.com/jcrozum/StableMotifs/tree/master/Random%20Boolean%20Network%20Application