量子输运感知网络中的社区结构
量子物理
2018-08-08 v2 其他凝聚态物理
数据结构与算法
定量方法
机器学习
摘要
量子时间演化展现出丰富的物理现象，这归因于波函数密度与相位的相互作用。然而，不同于经典热扩散，量子力学的波动性尚未在现代数据分析中得到广泛探索。我们提出量子输运（QT）的拉普拉斯变换可用于构造从给定复杂网络到圆的映射族，使得网络上紧密相关的节点被聚为上尖锐集中的簇。所得的QT聚类（QTC）算法在辨识复杂几何模式方面与最先进的谱聚类同样强大，且在簇表现出强密度变化或尺寸异质性时更为鲁棒。所观测到的QTC现象可解释为微观节点在重现该网络的有效紧束缚模型中演化为宏观簇轨道的集体行为。实现该算法的Python源代码及示例见 https://github.com/jssong-lab/QTC。
引用
@article{arxiv.1711.04979,
title = {Quantum transport senses community structure in networks},
author = {Chenchao Zhao and Jun S. Song},
journal= {arXiv preprint arXiv:1711.04979},
year = {2018}
}