真实世界网络的统计物理
物理与社会
2021-11-16 v2 无序系统与神经网络
统计力学
信息论
社会与信息网络
math.IT
摘要
在过去的15年中，统计物理已成为建模复杂网络的一个非常成功的框架。在理论方面，该方法为多种物理现象带来了新的见解，例如自组织、标度不变性、混合分布的出现以及系综非等价性，这些现象在非均匀网络上表现出非常规特征。同时，由于与信息论的深刻联系，统计物理和最大熵原理催生了网络零模型的定义，这些零模型再现了真实世界系统的某些特征，但在其他方面尽可能随机。我们在此综述统计物理方法以及复杂网络的各种零模型，特别关注再现局部网络特征的解析框架。然后我们展示这些模型如何被用于检测真实世界网络中具有统计显著性和预测性的结构模式，以及在信息不完整时重构网络结构。我们进一步综述了使用马尔可夫链蒙特卡洛采样来再现更复杂、半局部网络特征的统计物理模型，以及广义网络结构（如多层网络、相互作用网络和单纯复形）的模型。
引用
@article{arxiv.1810.05095,
title = {The Statistical Physics of Real-World Networks},
author = {Giulio Cimini and Tiziano Squartini and Fabio Saracco and Diego Garlaschelli and Andrea Gabrielli and Guido Caldarelli},
journal= {arXiv preprint arXiv:1810.05095},
year = {2021}
}
备注
accepted version (after revision)