Hvordan forbundethed kan fremme kompleks dynamik på tværs af forskellige netværk

Forskere ved Tokyo Institute of Technology har afsløret nogle nye aspekter af, hvordan forbindelser i netværk kan påvirke deres adfærd over tid. Som regel, netværkselementer med mange forbindelser genererer mere kompleks aktivitet end andre, men denne effekt kan blive omvendt, hvis forbindelserne er for stærke. I modsætning, i tilfælde som neuroner, som opfører sig på en tilsyneladende tilfældig måde, når de er alene, tilslutning kan resultere i mere regelmæssige og forudsigelige mønstre.

Det er almindeligt at finde eksempler på, hvordan mennesker med mange forbindelser – sociale eller professionelle – har en tendens til at have en ret turbulent og uforudsigelig hverdag sammenlignet med dem med færre relationer, som normalt følger rutiner, der er mere regelmæssige. Denne forskel er især tydelig, når specifikke individer eller samfund sammenlignes, såsom topledere versus operative, eller mennesker, der bor i en storby kontra folk, der bor på landet.

Dette kan udvides til naturlige og konstruerede netværk af interagerende elementer - fra neuroner til koblede oscillatorer og trådløse terminaler - hvor "knudepunkterne" (netværkselementerne, hvor forbindelserne flettes sammen) med flere forbindelser har en tendens til at have rigere dynamik (aktivitet, der udfolder sig over tid) . At forstå forviklingerne af netværk i et system kan give os et holistisk syn på det system, hvilket er nyttigt i både biologi og teknik.

I en undersøgelse offentliggjort i tidsskriftet IEEE adgang , forskere i Japan og Italien studerede ved hjælp af teoretiske og eksperimentelle metoder dynamikken i netværk i forskellige naturlige og konstruerede systemer. Denne forskning var resultatet af et samarbejde mellem forskere fra Tokyo Institute of Technology (Tokyo Tech), delvist finansieret af World Research Hub Initiative, og universiteterne i Catania, Palermo, og Trento i Italien.

Forskerholdet begyndte med at analysere rent matematiske scenarier. Først, de simulerede elementære stjerneformede netværk, hvor de fleste noder (kaldet "blade") har en enkelt forbindelse til en central node (kaldet "hub"); hver knude bestod af et såkaldt Rössler-system, som er et elegant sæt ligninger, der er i stand til at generere ret indviklet adfærd. Det blev tydeligt, at hubs i disse netværk næsten altid udviser en mere kompliceret adfærd end bladene, fordi de er påvirket af mange forskellige noder på samme tid. Men, hvis forbindelserne mellem noder er for stærke, deres output bliver stift bundet til hinanden, og dette forhold går tabt, hvorimod hvis de er for svage, effekten forsvinder.

Interessant nok, dette fænomen blev også set i et fysisk netværk lavet af elektroniske oscillatorer forbundet med hinanden ved hjælp af modstande (fig. 1). "Det var ret overraskende at bemærke, hvor stærk tendensen er til, at nav- og bladknuderne opfører sig anderledes, " forklarer lektor Prof. Hiroyuki Ito, medforfatter og leder af laboratoriet, hvor disse koncepter vil blive anvendt til at løse sanseproblemer inden for Internet of Things (IoT).

For at grave dybere ned i dette fænomen, forskerne udførte yderligere numeriske simuleringer med mere komplicerede netværk, der indeholdt højere antal knudepunkter og mere indviklede forbindelsesmønstre. De fandt, at forholdet også generelt gælder for sådanne systemer, medmindre de individuelle forbindelser er for stærke, i hvilket tilfælde tendensen endda kan vende og få noder med færre forbindelser til at udvise mere kompleks aktivitet. Årsagen til denne inversion kendes endnu ikke, men det kan forestilles, at de stærkt forbundne knudepunkter bliver "lammet" og resten "overtager" (fig. 2). "Der er stadig meget at afklare om, hvordan strukturen og dynamikken i netværk relaterer til hinanden, selv i simple tilfælde, " siger lektor prof. Mattia Frasca, fra universitetet i Catania.

Forskerne gik derefter videre til at undersøge en af ​​de mest komplicerede typer af naturlige netværk:dem, der er lavet af neuroner. I modsætning til matematiske eller konstruerede systemer, isolerede levende neuroner er ret uforudsigelige, fordi de ofte udsættes for former for tilfældighed eller "støj". Ved at analysere aktiviteten af ​​levende neuroner gennem simuleringer såvel som målinger, forskerne fandt ud af, at en større sammenhæng kan hjælpe dem med at reducere denne støj og udtrykke mere strukturerede mønstre, i sidste ende tillader dem at fungere "nyttigt". "Tidligere undersøgelser om hjernefunktion viser lignende forhold mellem kortikale områder. Vi tror, ​​at en bedre forståelse af disse fænomener også kunne hjælpe os med at forbedre hjerne-computer-grænseflader, " tilføjer Prof. Yasuharu Koike, laboratorieleder med fokus på emner i grænsefladen mellem teknik og biologi.

Denne undersøgelse belyser, hvordan viden om et netværkssystems forviklinger kan bruges på forskellige områder. Assoc. Prof. Ludovico Minati, hovedforfatter af undersøgelsen, fortæller om konsekvenserne af undersøgelsen, "Selvom der skal udvises forsigtighed og ydmyghed for ikke at falde i at komme med overdrevent generalistiske udtalelser, undersøgelser som denne kan eksemplificere den potentielle inspirationsværdi af multidisciplinær forskning, som kan påvirke ikke kun teknik og biologi, men endda ledelseskoncepter."