任意のメソスケール構造を持つランダム双曲線グラフ

科学分野:

• ネットワーク科学
• 複雑系
• グラフ理論

背景:

• 現実世界のネットワークは、疎性、スモールワールド性、コミュニティ構造などの普遍的な特性を示します。
• ランダム双曲線グラフ（RHG）などの幾何学的ネットワークモデルは、ノードを潜在的な類似空間に埋め込むことによって多くのネットワーク特徴を捉えます。
• しかし、純粋に幾何学的なモデルは、三角形の不等式に違反するグループ間の非類似性を持つ非幾何学的なコミュニティ構造を表現するのに苦労します。

研究 の 目的:

• 既存の幾何学的ネットワークモデルがメソスケールコミュニティ構造を捉える上での限界に対処すること。
• 潜在的な幾何学的構造を維持しながらブロック構造を組み込んだ新しいネットワークモデルを導入すること。
• 多様な現実世界のネットワークトポロジーを表現するネットワークモデルの能力を強化すること。

主な方法:

• ブロック構造でRHGを拡張したランダム双曲線ブロックモデル（RHBM）の導入。
• コミュニティ構造をモデルに組み込むための最大エントロピーフレームワークの利用。
• RHBMの能力を実証するための合成ネットワークの分析。

主要な成果:

• RHBMはコミュニティ構造を効果的に保持し、この側面において純粋に幾何学的なモデルを上回ります。
• このモデルは、特定のメソスケール混合パターンを持つネットワークを生成する柔軟性を示します。
• 合成ネットワーク分析は、非幾何学的なコミュニティ特徴を捉える上でのRHBMの利点を検証します。

結論:

• ランダム双曲線ブロックモデル（RHBM）は、コミュニティ構造を持つ複雑なネットワークのモデリングにおいて重要な進歩を提供します。
• RHBMは、メソスケール組織の制御における限界に対処しながら、潜在的な幾何学の重要性を強調しています。
• このモデルは、幾何学的特性とブロック特性の両方で特徴付けられる現実世界のネットワークのより正確な表現を提供します。