トポロジカルパーシステンスによる高次ネットワークの脆弱性の特定

科学分野:

• ネットワーク科学;複雑系分析;トポロジカルデータ分析

背景:

• 従来のグラフモデルは、複雑なシステムにおけるマルチノード相互作用とマルチスケール接続性に苦労しています。高次の依存関係を持つネットワークにおける構造的影響と堅牢性を理解することは困難です。

研究 の 目的:

• 複雑なネットワークにおけるノードの影響を定量化するための新しい指標、永続的構造影響指標を導入すること。潜在的な高次のトポロジカル特徴と局所的な構造的感度を捉えること。

主な方法:

• 永続ホモロジーと局所幾何学的摂動解析の統合。マルチスケールトポロジカル特徴とノード影響の定量化の抽出。ベースラインメソッドに対する合成および実世界のネットワークでの評価。

主要な成果:

• 提案されたモデルは、構造的に重要なノードを正確に特定し、ネットワークの急速な崩壊につながります。ノードの20%を削除した後、巨大なコンポーネントのサイズを0.12（次数ベースの攻撃では0.23）に削減しました。既存の尺度と比較して、グラウンドトゥルースの広がりダイナミクスとの相関を最大25.1%向上させました。

結論:

• 永続的構造影響指標は、複雑なネットワーク分析のための堅牢で一般化可能なフレームワークを提供します。この方法は、ドメイン固有の事前知識なしに、解釈可能性、計算上の実行可能性、および構造的忠実度を向上させます。このアプローチは、ネットワーク化されたシステムにおける構造的堅牢性と影響の理解を強化します。