ハイパーグラフ疾患のダイナミクスを低次元の相互作用で複製する

科学分野:

• エピデミオロジー エピデミオロジー
• ネットワーク科学 ネットワーク科学
• コンピューティング・モデリング

背景:

• SIS/SIRのような区分型モデルは,疫病と情報拡散の研究の標準です.
• ネットワーク構造は,対対の相互作用をシミュレーションすることにより,リアリズムを高めます.
• 単純な伝染モデル (SCM) は,より高い階層の相互作用 (グループ > 2) に対してハイパーグラフを使用します.

研究 の 目的:

• 古典的なコンパートメントモデルと単純化された伝染モデルを統一する.
• 任意の順序のハイパーエッジ相互作用にモデルを拡張する.
• 高位相互作用が対対相互作用と根本的に異なるダイナミクスをもたらすかどうかを調査する.

主な方法:

• SIS/SIRとSCMを統合するエージェントベースのモデルを開発しました.
• どんな順序のハイパーエッジ上の相互作用のためのモデルを拡張しました.
• スケールされた対対の相互作用を使用して,より高いレベルのダイナミクスの複製が実証されました.

主要な成果:

• 双方向相互作用の安定状態ダイナミクスは,スケールされたパラメータを介して,より高いレベルのシミュレーションを複製することができます.
• 動的に変化する病気のパラメータにより,ペアウェイズモデルが,一時的および安定状態の高階ダイナミクスを模倣することができます.
• この近似は,誤った仕様をモデル化するために堅牢であり,複雑で異質なハイパーグラフに適用されます.

結論:

• ペアウェイズ相互作用モデルは,パラメータスケーリングを通じて,より高いレベルの伝染ダイナミクスを近似することができます.
• 上位階のネットワークトポロジーは,下位階のモデルの改変によって効果的に表現できます.
• ハイパーグラフのトポロジーの異質性は,対対近似の精度に影響を与える可能性があります.